多索引-访问每天的最后一次

Question

Pandas中多索引的新增功能。我有看起来像这个的数据

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时间，并将值存储在某个数组中。我做了一个像这样的多索引

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)

所以我把日期保存为一个数组。我想迭代日期，但要么语法不正确，要么访问值不正确。我尝试过for循环，但无法运行（for date in dates），也无法进行直接访问（df.loc[dates[i]]或类似的操作）。此外，每个日期中的时间变量数量也各不相同。有什么办法解决这个问题吗？

Answer 1

这听起来像是groupby/max操作。更具体地说，您希望按Date分组，并通过取max来聚合Time。由于聚合只能对列值进行，因此我们需要将Time索引级别更改为一列（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)

产生

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

---

如果希望选择整行，则可以使用idxmax，但需要注意。idxmax返回索引标签。因此，索引必须唯一，标签才能表示唯一的行。由于Date级别本身并不是唯一的，要使用idxmax，我们需要完全使用reset_index（为唯一整数创建索引）：

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])

产生

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

---

在保留MultiIndex的同时，我看不出有什么好方法可以做到这一点。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，而不是将其拆分为两个部分。请注意，给定类似Series的日期时间/周期，.dt访问器可根据需要方便地访问date和time。因此，您可以按Date进行分组，而无需制作Date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)

产生

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