使用一列 datetime 对象将两个级别的索引（索引？）设置为 datetime.date() 和 datetime.time()答案

【问题标题】：Set two levels of indexes (indices?) as datetime.date() and datetime.time() using a column of datetime objects使用一列 datetime 对象将两个级别的索引（索引？）设置为 datetime.date() 和 datetime.time()
【发布时间】：2018-08-03 14:08:12
【问题描述】：

我有一个 DataFrame，它有一列“时间戳”，其中包含 datetime 对象 (YYYY-mm-dd HH:MM:SS)。我想从这些时间戳中提取日期（datetime.date()）并将其设置为 0 级索引，并将时间（datetime.time()）设置为 1 级索引。

例子：

                   timestamp    value1    value2
index    
    0    2018-01-01 09:00:00        10        20
    1    2018-01-01 09:01:00        11        21
    2    2018-01-02 09:00:00        12        22
    3    2018-01-02 09:01:00        13        23

会变成：

                          value1    value2
date          time
2018-01-01    09:00:00        10        20
              09:01:00        11        21
2018-01-02    09:00:00        12        22
              09:01:00        13        23

【问题讨论】：

标签： python pandas datetime indexing

【解决方案1】：

选项 1
使用drop 和set_index

df.set_index([df.timestamp.dt.date, df.timestamp.dt.time]).drop('timestamp', 1)

                      value1  value2
timestamp  timestamp                
2018-01-01 09:00:00       10      20
           09:01:00       11      21
2018-01-02 09:00:00       12      22
           09:01:00       13      23

选项 2

d = df.set_index('timestamp')
d.index = [d.index.date, d.index.time]
d

                     value1  value2
2018-01-01 09:00:00      10      20
           09:01:00      11      21
2018-01-02 09:00:00      12      22
           09:01:00      13      23

【讨论】：

【解决方案2】：

使用set_index 和MultiIndex.from_arrays 和最后一个drop 原始列：

mux = pd.MultiIndex.from_arrays([df['timestamp'].dt.date, df['timestamp'].dt.time], 
                                 names=('date','time'))
df = df.set_index(mux).drop('timestamp', 1)

或添加rename_axis:

df = (df.set_index([df['timestamp'].dt.date, df['timestamp'].dt.time])
        .drop('timestamp', 1)
        .rename_axis(('date','time')))

print (df)
                     value1  value2
date       time                    
2018-01-01 09:00:00      10      20
           09:01:00      11      21
2018-01-02 09:00:00      12      22
           09:01:00      13      23

【讨论】：