Python 如何计算熊猫中重采样的多索引数据帧

我找到了关于如何对多索引重新采样的描述：

但是，只要我使用计数而不是求和，解决方案就不再有效了

这可能与：

不工作计数和字符串：

values_a =[1]*16
states = ['Georgia']*8 + ['Alabama']*8
#cities = ['Atlanta']*4 + ['Savanna']*4 + ['Mobile']*4 + ['Montgomery']*4
dates = pd.DatetimeIndex([datetime.datetime(2012,1,1)+datetime.timedelta(days = i) for i in range(4)]*4)
df2 = pd.DataFrame(
    {'value_a': values_a},
    index = [states, dates])
df2.index.names = ['State', 'Date']
df2.reset_index(level=[0], inplace=True)
print(df2.groupby(['State']).resample('W',how='count'))

收益率：

         2012-01-01           2012-01-08         
              State  value_a       State  value_a
State                                            
Alabama           2        2           6        6
Georgia           2        2           6        6

以和和数字作为值的工作版本

values_a =[1]*16
states = ['Georgia']*8 + ['Alabama']*8
#cities = ['Atlanta']*4 + ['Savanna']*4 + ['Mobile']*4 + ['Montgomery']*4
dates = pd.DatetimeIndex([datetime.datetime(2012,1,1)+datetime.timedelta(days = i) for i in range(4)]*4)
df2 = pd.DataFrame(
    {'value_a': values_a},
    index = [states, dates])
df2.index.names = ['State', 'Date']
df2.reset_index(level=[0], inplace=True)
print(df2.groupby(['State']).resample('W',how='sum'))

收益率（注意“状态”没有重复）：

---

当使用

count

时，state不是一个讨厌的列（它可以计算字符串），因此

重采样

将对其应用count（尽管输出不是我所期望的）。您可以执行以下操作（告诉它仅将

count

应用于

value\u a

）

或者更一般地说，您可以对不同的列应用不同类型的

how

：

>>> print df2.groupby(['State']).resample('W',how={'value_a':'count','State':'last'})

                      State  value_a
State   Date                        
Alabama 2012-01-01  Alabama        2
        2012-01-08  Alabama        6
Georgia 2012-01-01  Georgia        2
        2012-01-08  Georgia        6

因此，尽管上面允许您对重新采样的多索引数据帧进行计数，但它并没有解释从

how='count'

输出的行为。以下是我期望它的行为方式：

print df2.groupby(['State']).resample('W',how={'value_a':'count','State':'count'})

                   State  value_a
State   Date                      
Alabama 2012-01-01      2        2
        2012-01-08      6        6
Georgia 2012-01-01      2        2
        2012-01-08      6        6

---

@卡尔·德索尔恩是正确的；这将在0.14/master中实现（即将发布），请参阅文档

---

在0.14之前，很难使用基于时间的石斑鱼和另一种石斑鱼进行分组/重新采样<代码>pd。Grouper允许一个非常灵活的规范来实现这一点。

谢谢！石斑鱼听起来不错！@Karl D.你想把答案也贴在这里吗：这个链接把我带到了这个问题上。对不起，我是说这个：是的，看起来确实有关系。

>>> print df2.groupby(['State']).resample('W',how={'value_a':'count','State':'last'})

                      State  value_a
State   Date                        
Alabama 2012-01-01  Alabama        2
        2012-01-08  Alabama        6
Georgia 2012-01-01  Georgia        2
        2012-01-08  Georgia        6

print df2.groupby(['State']).resample('W',how={'value_a':'count','State':'count'})

                   State  value_a
State   Date                      
Alabama 2012-01-01      2        2
        2012-01-08      6        6
Georgia 2012-01-01      2        2
        2012-01-08      6        6

In [118]: df2.groupby([pd.Grouper(level='Date',freq='W'),'State']).count()
Out[118]: 
                    value_a
Date       State           
2012-01-01 Alabama        2
           Georgia        2
2012-01-08 Alabama        6
           Georgia        6