如何在python中使用group-by函数保留列名？ [复制]

Question

我有一个带有搜索流量的数据框，并编写了一个代码来获取每天的第一个和最后一个请求以及它们之间的时间差。

df = pd.read_csv("Testordner2/"+i, parse_dates=True)
df['new_time'] = pd.to_datetime(df['new_time'])
df['dates']= df['new_time'].dt.date
df['time'] = df['new_time'].dt.time
out = df.groupby(df['dates']).agg({'time': ['min', 'max']}) \
                                 .stack(level=0).droplevel(1)
out['min_as_time_format'] = pd.to_datetime(out['min'], format="%H:%M:%S")
out['max_as_time_format'] = pd.to_datetime(out['max'], format="%H:%M:%S")
out['wh'] = out['max_as_time_format'] - out['min_as_time_format']
out['wh'].astype(str).str[-18:-10]

这很好，我得到一个数据框out，看起来像：

                 min       max       wh
dates                                  
2005-09-06  07:41:18  21:59:57 14:18:39
2005-09-12  14:49:22  14:49:22 00:00:00
2005-09-19  11:08:56  11:24:05 00:15:09
2005-09-21  21:19:21  21:20:15 00:00:54
2005-09-22  19:41:52  19:41:52 00:00:00
2005-10-13  11:22:07  21:05:41 09:43:34
2005-11-22  11:53:12  21:21:22 09:28:10
2005-11-23  00:07:01  14:08:50 14:01:49
2005-11-30  13:42:48  23:59:19 10:16:31
2005-12-01  00:05:16  10:24:12 10:18:56
2005-12-21  17:38:43  19:26:03 01:47:20
2005-12-22  09:20:07  11:25:40 02:05:33
2006-01-23  07:46:20  08:01:52 00:15:32
2006-04-27  16:27:54  19:29:52 03:01:58
2006-05-11  12:48:34  23:10:44 10:22:10
2006-05-15  10:14:59  22:28:12 12:13:13
2006-05-16  01:14:07  23:55:51 22:41:44
2006-05-17  01:12:45  23:57:56 22:45:11
2006-05-18  02:42:08  21:48:49 19:06:41
2006-05-22  00:00:29  23:07:12 23:06:43
2006-05-23  02:14:55  22:35:04 20:20:09
2006-05-24  11:53:08  21:25:39 09:32:31
2006-05-25  01:20:38  22:14:55 20:54:17
2006-05-29  01:34:09  23:53:33 22:19:24

问题是我的数据框out 中需要一个列dates，但这不存在。我不知道为什么列名“dates”与其他列名“min”、“max”和“wh”的高度不同.. 我以前从未使用 groupby 遇到过这个问题，但以前从未使用过 eggfunction。不知道是不是这个问题的原因..

第二个问题：我想在wh 中建立每月工作时间的平均值。 我用：

out['month']= pd.PeriodIndex(out.dates, freq='M')
out2=out.groupby('month')['wh'].mean().reset_index(name='wh2')

但是wh 中的值不是数字数据，所以我不能使用mean。 如何转换整列？

Answer 1

只需重置索引：

out.reset_index(inplace=True)

分组和平均日期时间：

grouper = out.groupby('month')
int_mean = grouper['wh'].apply(lambda x: x.astype(int).mean())
mean = int_mean.apply(pd.to_datetime)