Python pandas groupby datetime.date对象不一致

比如说

import datetime
data={'date':[datetime.date(2020,1,i) for i in range(11,13)],
     'a1':range(11,13),
     'a2':range(21,23)}
df=pd.DataFrame(data)

如果只按日期列分组，则一切正常

g=df.groupby('date')
print(g.groups)
g.get_group(list(g.groups.keys())[0])

给予

然而，若我们按两列分组以形成多索引，那个么我们就遇到了问题

g=df.groupby(['date','a1'])
print(g.groups)
g.get_group(list(g.groups.keys())[0])

给予

和错误消息

---------------------------------------------------------------------------KeyError回溯（最近的呼叫 最后）在 1g=df.groupby（['date'，'a1']）） 2份印刷品（g组） ---->3 g.get_组（列表（g.groups.keys（））[0]）

~/anaconda3/lib/python3.7/site-packages/pandas/core/groupby/groupby.py 在get_组中（self、name、obj） 678 inds=self.\u get\u索引（名称） 679如果不是len（IND）： -->680 raise KeyError（名称） 681 682返回对象获取（inds，轴=自身轴）

KeyError:（时间戳（'2020-01-11 00:00:00'），11）

---

我们可以看到，pandas

groupby

太聪明了，无法将

datetime.date

对象更改为

Timestamp

对象。而且索引混乱，我们无法得到正确的组。这是一个bug吗？

IIUC您可以尝试这样分组：

g=df.groupby([['date','a1']])
print(g.groups)
g.get_group(list(g.groups.keys())[0])

{(Timestamp('2020-01-11 00:00:00'), 11): Int64Index([0], dtype='int64'), (Timestamp('2020-01-12 00:00:00'), 12): Int64Index([1], dtype='int64')}

g=df.groupby([['date','a1']])
print(g.groups)
g.get_group(list(g.groups.keys())[0])