python - 遍历 pandas 中的 groupby 字段

Question

我一直致力于 pandas 中的公开可用数据集，其中包含美国各州的一些空气质量统计数据。

我将他的数据集加载到 pandas 数据框中，并使用 groupby 按 state 对事物进行分组。所以像这样:

import pandas as pd
poll = pd.read_csv(`dataset.csv')
poll = poll.groupby(['State', 'Date Local']).mean()
ds_gb_state = poll.groupby(level='State')

打印这个会得到类似的东西:

                        V1         V2          V3        V4
State      Date Local
Alabama    2013-12-01  37.000000  24.000000   1.000000   6.000000
           2013-12-02  30.000000  12.000000   3.000000   6.000000
           2013-12-03  21.000000  11.000000   3.000000   3.000000
           2013-12-04  18.000000  13.000000   1.000000   2.000000
           2013-12-05  15.000000  13.000000   1.000000   2.000000
Alaska     2014-07-01   4.000000  16.000000   6.000000   3.000000
           2014-07-02   4.000000  15.000000   6.000000   3.000000
           2014-07-03   6.000000  19.000000  13.000000   3.000000

我的问题很简单。使用此 ds_gb_state 对象，我如何找到所有州的名称？在此对象中，列是 V1、V2、V3 和 V4，我可以很好地访问它们，但是是否可以枚举所有状态或从该对象中找到最小和最大日期？

Answer 1

How can I find the names of all the states?

您可以使用 MultiIndex.get_level_values :

df.index.get_level_values(0).unique()
# Index(['Alabama', 'Alaska'], dtype='object')

is it possible to find the minimum and maximum dates from this object?

与日期类似:

df.index.get_level_values(1).map(pd.to_datetime).min()
# Timestamp('2013-12-01 00:00:00')