python - 如何在 pandas 多重索引中按小时分组

Question

我有一个 pandas 多重索引，有两个索引、一个数据列和一个性别列。它看起来像这样:

                  Division  North  South  West  East

               Date Gender     
2016-05-16 19:00:00      F      0      2     3     3
                         M     12     15    12    12
2016-05-16 20:00:00      F     12      9    11    11
                         M     10     13     8     9
2016-05-16 21:00:00      F      9      4     7     1
                         M      5      1    12    10

现在，如果我想找到每小时的平均值，我知道我可以这样做:

df.groupby(df.index.hour).mean()

但是当您有多个索引时，这似乎不起作用。我发现我可以达到日期索引，例如:

df.groupby(df.index.get_level_values('Date').hour).mean()

一天 24 小时内的平均值，但我忘记了性别指数......

所以我的问题是:如何按性别找到每个部门的平均每小时值(value)？

Answer 1

我认为你可以添加MultiIndex级别，需要pandas 0.20.1+ :

df1 = df.groupby([df.index.get_level_values('Date').hour,'Gender']).mean()
print (df1)
             North  South  West  East
Date Gender                          
19   F           0      2     3     3
     M          12     15    12    12
20   F          12      9    11    11
     M          10     13     8     9
21   F           9      4     7     1
     M           5      1    12    10

另一个解决方案:

df1 = df.groupby([df.index.get_level_values('Date').hour,
                  df.index.get_level_values('Gender')]).mean()
print (df1)
             North  South  West  East
Date Gender                          
19   F           0      2     3     3
     M          12     15    12    12
20   F          12      9    11    11
     M          10     13     8     9
21   F           9      4     7     1
     M           5      1    12    10

或者直接从 MultiIndex 创建列:

df = df.reset_index()
df1 = df.groupby([df['Date'].dt.hour, 'Gender']).mean()
print (df1)
             North  South  West  East
Date Gender                          
19   F           0      2     3     3
     M          12     15    12    12
20   F          12      9    11    11
     M          10     13     8     9
21   F           9      4     7     1
     M           5      1    12    10