保留日期时间索引

Question

假设我有以下数据帧（时间序列中，第一塔是DateTimeIndex）

      atn file 
datetime        
2012-10-08 14:00:00 23.007462  1 
2012-10-08 14:30:00 27.045666  1 
2012-10-08 15:00:00 31.483825  1 
2012-10-08 15:30:00 37.540651  2 
2012-10-08 16:00:00 43.564573  2 
2012-10-08 16:00:00 48.589852  2 
2012-10-08 16:00:00 55.289452  2 

我目标是向具有一定数目的在所述第一外观提取行最后一栏“文件”，所以获得与此表：

 datetime    atn 
file        
1  2012-10-08 14:00:00 23.007462 
2  2012-10-08 15:30:00 37.540651 

我方法是B组Y“文件”，然后聚集在“第一”：

dt.groupby(by="file").aggregate("first") 

但是与此有关的问题是，则索引不被用作该分组的一列。我解决了这个首先通过添加索引的列：

dt2 = dt.reset_index() 
dt2.groupby(by="file").aggregate("first") 

但现在的问题是的datetime列不是日期了，但浮动：

  datetime  atn 
file       
1  1.349705e+18 23.007462 
2  1.349710e+18 37.540651 

有

• 将浮点数转换回日期时间的方法？
• 或者一种保存groupby/aggregate-operation中日期时间的方法？
• 或更好的方式来实现这个最终tabel？

---

的示例数据帧可以被使用如下：

拷贝（到剪贴板）：

2012-10-08 14:00:00, 23.007462,  1 
2012-10-08 14:30:00, 27.045666,  1 
2012-10-08 15:00:00, 31.483825,  1 
2012-10-08 15:30:00, 37.540651,  2 
2012-10-08 16:00:00, 43.564573,  2 
2012-10-08 16:00:00, 48.589852,  2 
2012-10-08 16:00:00, 55.289452,  2 

然后：

dt = pandas.read_clipboard(sep=",", parse_dates=True, index_col=0, 
          names=["datetime", "atn", "file"]) 

Answer 1

我认为这是熊猫中的一个错误 - dtype在groupby之后被更改为一个浮点数

dt3 = dt2.groupby(by="file").aggregate("first") 
dt3.dtypes 

给我：

datetime float64 
atn   float64 

要更改D型回datetime64你可以这样做：

dt3['datetime'] = pd.Series(dt3['datetime'], dtype='datetime64[ns]') 

我已经创建了GitHub

Answer 2

一个新的问题看起来像错误，但在这一刻，没有指定parse_dates=True会给我预期的结果。

我IPython的结果 - 没有parse_dates=True： -

In [29]: dt2 = pd.read_clipboard(sep=",", index_col=0, 
          names=["datetime", "atn", "file"]) 

In [30]: dt2 
Out[30]: 
          atn file 
datetime        
2012-10-08 14:00:00 23.007462  1 
2012-10-08 14:30:00 27.045666  1 
2012-10-08 15:00:00 31.483825  1 
2012-10-08 15:30:00 37.540651  2 
2012-10-08 16:00:00 43.564573  2 
2012-10-08 16:00:00 48.589852  2 
2012-10-08 16:00:00 55.289452  2 

In [31]: dt2.reset_index().groupby(by="file").aggregate("first") 
Out[31]: 
       datetime  atn 
file         
1  2012-10-08 14:00:00 23.007462 
2  2012-10-08 15:30:00 37.540651 

In [32]: 

我IPython的结果，与parse_dates=True： -

In [33]: dt = pd.read_clipboard(sep=",", parse_dates=True, index_col=0, 
          names=["datetime", "atn", "file"]) 
KeyboardInterrupt 

In [33]: dt = pd.read_clipboard(sep=",", parse_dates=True, index_col=0, 
          names=["datetime", "atn", "file"]) 

In [34]: dt.reset_index().groupby(by="file").aggregate("first") 
Out[34]: 
      datetime  atn 
file       
1  1.349705e+18 23.007462 
2  1.349710e+18 37.540651 

明确检查dtypes： -

In [40]: new_dt = dt.reset_index().groupby(by="file").aggregate("first") 

In [41]: new_dt 
Out[41]: 
      datetime  atn 
file       
1  1.349705e+18 23.007462 
2  1.349710e+18 37.540651 

In [42]: new_dt.dtypes 
Out[42]: 
datetime float64 
atn   float64 

In [43]: new_dt2 = dt2.reset_index().groupby(by="file").aggregate("first") 

In [44]: new_dt2.dtypes 
Out[44]: 
datetime  object 
atn   float64 

Answer 3

我相信这是固定并将在0.9.1发布