如何按日和月分组熊猫？

Question

给出这样的系列

    Date
2005-01-01    128
2005-01-02     72
2005-01-03     67
2005-01-04     61
2005-01-05     33
Name: Data_Value, dtype: int64

几年来，我如何将所有1月1日，所有1月2日等分组？

我实际上正在尝试查找几年中一年中每一天的最大值，因此不必进行分组。如果有更简单的方法可以做到这一点，那就太好了。

Answer 1

您可以将索引转换为日期时间，然后使用strftime获取日期格式的字符串进行分组：

df.groupby(pd.to_datetime(df.index).strftime('%b-%d'))['Date_Value'].max()

---

如果日期字符串中没有NaN，则也可以切片。这将返回格式为“ MM-DD”的字符串：

df.groupby(df.index.astype(str).str[5:])['Date_Value'].max()

Answer 2

或者，您可以使用数据透视表：

重置索引和格式化​​日期列

df=df.reset_index()
df['date']=pd.to_datetime(df['index'])
df['year']=df['date'].dt.year
df['month']=df['date'].dt.month
df['day']=df['date'].dt.day

在“月和日”列上进行透视：

df_grouped=df.pivot_table(index=('month','day'),values='Date',aggfunc='max')

Answer 3

为什么不只是保持简单！

max_temp = dfall.groupby([(dfall.Date.dt.month),(dfall.Date.dt.day)])['Data_Value'].max()