Python 使用多索引按时间戳频率分组数据帧

我有一个带有多索引（timestamp，dgg）的数据帧，如下所示：

时间戳持续了很多天。我想按月份和dgg对这些数据进行分组，但我不确定这是一个好方法。如果我使用具有正常索引的数据帧按月分组，我可以执行

df.groupby（df.index.month）

（或者使用

pd.TimeGrouper

），但多索引没有DatetimeIndex属性

---

如果我不想保留dgg，我可以

df.reset_index（level='dgg'）.groupby（df.reset_index（level='dgg'）.index.month）

，但是我会丢失dgg分组。

假设你想按月份分组，而不是按年月份分组（例如，2012-03和2013-03在同一组中），你可以这样做：

• 将索引重置为

  dgg

  和

  timestamp

  成为常规列
• 将计算月添加到它自己的列中
• 然后按

  dgg

  和

  month

  分组

看起来是这样的：

result = (
    df.reset_index()
      .assign(month=lambda x: x['timestamp'].dt.month)
      .grouby(by=['dgg', 'month'])
      .<apply/agg/transform/filter>(...)
)

结果=(
df.reset_index（）
.assign（月=λx:x['timestamp'].dt.month）
.grouby（by=['dgg'，'month']）
.(...)
)

谢谢！责怪自己没有考虑重新设置这两个指数并从那里开始：）幸运的是，我现在不必担心不同的年份，但我认为如果（当）有必要的话，很清楚该怎么做。

result = (
    df.reset_index()
      .assign(month=lambda x: x['timestamp'].dt.month)
      .grouby(by=['dgg', 'month'])
      .<apply/agg/transform/filter>(...)
)