python – 多索引 – 每天访问最后一次

Pandas中多索引的新手.我的数据看起来像这样

Date        Time      value
2014-01-14  12:00:04   .424
            12:01:12   .342
            12:01:19   .341
            ...
            12:05:49   .23
2014-05-12  ...
            1:02:42    .23
....

现在,我想访问每个日期的最后一次并将值存储在某个数组中.我做了这样的多索引

df= pd.read_csv("df.csv",index_col=0)
df.index = pd.to_datetime(df.index,infer_datetime_format=True)
df.index =        pd.MultiIndex.from_arrays([df.index.date,df.index.time],names=['Date','Time'])

df= df[~df.index.duplicated(keep='first')]
dates = df.index.get_level_values(0)

所以我将日期保存为数组.我想迭代日期,但不能正确获取语法或错误地访问值.我尝试了一个for循环,但无法让它运行(日期中的日期),也不能直接访问(df.loc [dates [i]]或类似的东西).此外,每个日期的时间变量数也各不相同.有没有什么办法解决这一问题？

解决方法:

这听起来像是groupby / max操作.更具体地说,您希望按日期分组并通过获取最大值来聚合时间.由于聚合只能通过列值进行,因此我们需要将时间索引级别更改为列(通过使用reset_index)：

import pandas as pd

df = pd.DataFrame({'Date': ['2014-01-14', '2014-01-14', '2014-01-14', '2014-01-14', '2014-05-12', '2014-05-12'], 'Time': ['12:00:04', '12:01:12', '12:01:19', '12:05:49', '01:01:59', '01:02:42'], 'value': [0.42399999999999999, 0.34200000000000003, 0.34100000000000003, 0.23000000000000001, 0.0, 0.23000000000000001]})
df['Date'] = pd.to_datetime(df['Date'])
df = df.set_index(['Date', 'Time'])

df = df.reset_index('Time', drop=False)
max_times = df.groupby(level=0)['Time'].max()
print(max_times)

产量

Date
2014-01-14    12:05:49
2014-05-12     1:02:42
Name: Time, dtype: object

如果你想选择整行,那么你可以使用idxmax – 但有一个警告. idxmax返回索引标签.因此,索引必须是唯一的,标签才能表示唯一的行.由于Date级别本身并不是唯一的,因此要使用idxmax,我们需要完全reset_index(以创建唯一整数的索引)：

df = pd.DataFrame({'Date': ['2014-01-14', '2014-01-14', '2014-01-14', '2014-01-14', '2014-05-12', '2014-05-12'], 'Time': ['12:00:04', '12:01:12', '12:01:19', '12:05:49', '01:01:59', '1:02:42'], 'value': [0.42399999999999999, 0.34200000000000003, 0.34100000000000003, 0.23000000000000001, 0.0, 0.23000000000000001]})
df['Date'] = pd.to_datetime(df['Date'])
df['Time'] = pd.to_timedelta(df['Time'])
df = df.set_index(['Date', 'Time'])

df = df.reset_index()
idx = df.groupby(['Date'])['Time'].idxmax()
print(df.loc[idx])

产量

        Date     Time  value
3 2014-01-14 12:05:49   0.23
5 2014-05-12 01:02:42   0.23

在保持MultiIndex的同时,我没有看到一个很好的方法.
在设置MultiIndex之前,更容易执行groupby操作.
此外,最好将日期时间保留为一个值,而不是将其分成两部分.请注意,给定类似日期时间/期间的系列,.dt accessor可让您根据需要轻松访问日期和时间.因此,您可以按日期分组而不创建日期列：

df = pd.DataFrame({'DateTime': ['2014-01-14 12:00:04', '2014-01-14 12:01:12', '2014-01-14 12:01:19', '2014-01-14 12:05:49', '2014-05-12 01:01:59', '2014-05-12 01:02:42'], 'value': [0.42399999999999999, 0.34200000000000003, 0.34100000000000003, 0.23000000000000001, 0.0, 0.23000000000000001]})
df['DateTime'] = pd.to_datetime(df['DateTime'])
# df = pd.read_csv('df.csv', parse_dates=[0])

idx = df.groupby(df['DateTime'].dt.date)['DateTime'].idxmax()
result = df.loc[idx]
print(result)

产量

             DateTime  value
3 2014-01-14 12:05:49   0.23
5 2014-05-12 01:02:42   0.23