如何使用参考日期在日期时间格式的多索引数据框中创建一个新列答案

【问题标题】：How to create a new column in multiindex dataframe which is in the format of datetime, using a reference date如何使用参考日期在日期时间格式的多索引数据框中创建一个新列
【发布时间】：2020-04-10 12:54:27
【问题描述】：

如何在多索引数据框中创建一个新列，其中每行中的日期表示从参考时间开始的日期。例如。

参考时间是每天上午 10:30。

delta_minutes 列表示距离参考时间还有多少时间？ 例如。日期 2019-12-2 的 delta_mins=20 的行表示该特定行的实际时间是 2019-12-2 上午 10:10，比参考时间晚 20 分钟

我想添加另一列来指示该行指示的实际时间，以便我可以在时间序列中对其进行建模 df1 是实际的 df，而我要生成的新 datframe 看起来像 df2

df1

date      delta_mins   sold_before
2019-12-2   20            a1  
            30            a2  
            40            a3    
            50            a4  
            60            a5  
2019-12-3   20            d1  
            30            d2  
            40            d3  
            50            d4  
            60            d5  
2019-12-4   20            g1  
            30            g2  
            40            g3  
            50            g4  
            60            g5

参考时间 = 上午 10:30

df2

date      delta_mins   sold_before     actual_time
2019-12     20            a1          2019-12-2 10:10
            30            a2          2019-12-2 10:00
            40            a3          2019-12-2 09:50
            50            a4          2019-12-2 09:40
            60            a5          2019-12-2 09:30          
2019-12-3   20            d1          2019-12-3 10:10  
            30            d2          2019-12-3 10:00
            40            d3          2019-12-3 09:50
            50            d4          2019-12-3 09:40
            60            d5          2019-12-3 09:30
2019-12-4   20            g1          2019-12-4 10:10
            30            g2          2019-12-4 10:00
            40            g3          2019-12-4 09:50
            50            g4          2019-12-4 09:40
            60            g5          2019-12-4 09:30

【问题讨论】：

这不就是一个差和一个和吗？
但它在多索引 df 中，我无法理解如何使用多索引
df1 是 groupby() 函数的结果吗？
是的@davidbilla
@VishalAnand 我陷入了其他一些事情，请参阅下面的答案。希望这可以帮助。如果我错过了什么，请告诉我

标签： python pandas dataframe datetime multi-index

【解决方案1】：

您可以使用reset_index() 并应用您的操作

df1 = df1.reset_index(drop=True)
df1['actual_time'] = pd.to_datetime(df1['date'] + ' 10:30:00') - df1['delta_mins'].apply(lambda x:  pd.Timedelta(minutes=x))

如果df1['date'] 的数据类型为datetime64，则在连接之前将其转换为字符串

df1['actual_time'] = pd.to_datetime(df1['date'].dt.strftime('%Y-%m-%d') + ' 10:30:00') - df1['delta_mins'].apply(lambda x:  pd.Timedelta(minutes=x))

输出：

         date  delta_mins sold_before         actual_time
0   2019-12-2          20          a1 2019-12-02 10:10:00
1   2019-12-2          30          a2 2019-12-02 10:00:00
2   2019-12-2          40          a3 2019-12-02 09:50:00
3   2019-12-2          50          a4 2019-12-02 09:40:00
4   2019-12-2          60          a5 2019-12-02 09:30:00
5   2019-12-3          20          d1 2019-12-03 10:10:00
6   2019-12-3          30          d2 2019-12-03 10:00:00
7   2019-12-3          40          d3 2019-12-03 09:50:00
8   2019-12-3          50          d4 2019-12-03 09:40:00
9   2019-12-3          60          d5 2019-12-03 09:30:00
10  2019-12-4          20          g1 2019-12-04 10:10:00
11  2019-12-4          30          g2 2019-12-04 10:00:00
12  2019-12-4          40          g3 2019-12-04 09:50:00
13  2019-12-4          50          g4 2019-12-04 09:40:00
14  2019-12-4          60          g5 2019-12-04 09:30:00

获得后，如果需要，请使用 df1.groupby() 语句再次对数据进行分组。

df1 = df1.groupby(['date', 'delta_mins', 'sold_before']).agg(lambda x: x) # replace this with your groupby() statement

输出：

                                         actual_time
date      delta_mins sold_before                    
2019-12-2 20         a1          2019-12-02 10:10:00
          30         a2          2019-12-02 10:00:00
          40         a3          2019-12-02 09:50:00
          50         a4          2019-12-02 09:40:00
          60         a5          2019-12-02 09:30:00
2019-12-3 20         d1          2019-12-03 10:10:00
          30         d2          2019-12-03 10:00:00
          40         d3          2019-12-03 09:50:00
          50         d4          2019-12-03 09:40:00
          60         d5          2019-12-03 09:30:00
2019-12-4 20         g1          2019-12-04 10:10:00
          30         g2          2019-12-04 10:00:00
          40         g3          2019-12-04 09:50:00
          50         g4          2019-12-04 09:40:00
          60         g5          2019-12-04 09:30:00

或：

您可以在groupby() 语句中使用.transform() 将日期列扩展到所有行，然后应用“实际时间”的操作

【讨论】：