Konwersja pandy multi-indeks pandy datownik

Question

Próbuję przekonwertować unstacked, wielu indeksowane ramki danych z powrotem do pojedynczych pand indeks datetime.

Indeks moim oryginalny danych ramki, czyli przed multi-indeksowania i rozkładania, wygląda następująco:

In [1]: df1_season.index 
Out [1]: 

<class 'pandas.tseries.index.DatetimeIndex'> 
[2013-05-01 02:00:00, ..., 2014-07-31 23:00:00] 
Length: 1472, Freq: None, Timezone: None 

potem zastosować multi-indeksowanie i rozkładania więc mogę wykreślić dane roczne na szczycie siebie tak:

df_sort = df1_season.groupby(lambda x: (x.year, x.month, x.day, x.hour)).agg(lambda s: s[-1]) 
df_sort.index = pd.MultiIndex.from_tuples(df_sort.index, names=['Y','M','D','H']) 
unstacked = df_sort.unstack('Y') 

Moja nowy danych ramki do dwóch pierwszych dniach maja wygląda następująco:

In [2]: unstacked 
Out [2]: 

      temp  season   
Y  2013 2014 2013 2014 
M D H        
5 1 2 24.2 22.3 Summer Summer 
    8 24.1 22.3 Summer Summer 
    14 24.3 23.2 Summer Summer 
    20 24.6 23.2 Summer Summer 
    2 2 24.2 22.5 Summer Summer 
    8 24.8 22.2 Summer Summer 
    14 24.9 22.4 Summer Summer 
    20 24.9 22.8 Summer Summer 

736 rows × 4 columns 

Indeks dla nowej ramki Dane przedstawione powyżej teraz wygląda tak:

In [2]: unstacked.index.values[0:8] 
Out [2]: 

array([(5, 1, 2), (5, 1, 8), (5, 1, 14), (5, 1, 20), (5, 2, 2), (5, 2, 8), (5, 2, 14), 
     (5, 2, 20], dtype=object) 

które nie produkują bardzo ładne działki w stosunku do xticks (dużych i małych). Jeśli mogę przekonwertować ten indeks z powrotem do pojedynczego indeksu pandy datetime, używając tylko danych miesięcznych, dziennych i godzinowych, wówczas znaczniki główne/pomniejsze będą drukowane automagicznie w sposób, w jaki chciałbym (myślę). Na przykład:

obecne rozwiązanie:

xticks = (5, 1, 2), (5, 1, 8) … (5, 2, 20) 

wymagane rozwiązanie:

xticks(major) = Day, Month (displayed as MAY 01, MAY 02 etc etc) 
xticks(minor) = Hour (displayed as 02h 08h … 20h) 

Answer 1

import pandas as pd 
import matplotlib.pyplot as plt 
from numpy.random import randn 

ts = pd.Series(randn(1000), index=pd.date_range('1/1/2000', periods=1000)) 
ts = ts.cumsum() 

plt.figure() 
for year in set(ts.index.year): 
    tmp = ts[str(year)].values 
    plt.plot(tmp, label = year) 
plt.legend() 
plt.show() 

myślę, że to jest lepszy sposób, aby osiągnąć swój cel niż ponownego indeksowania. Co myślisz?

Answer 2

Konwersja danych w pandach bardzo szybko się brudzi, jak się wydaje. Moja ogólna rekomendacja dotycząca pand i indeksowania polega na tym, aby nigdy nie ustawiać indeksu, ale najpierw go skopiować. Upewnij się, że masz kolumnę zawierającą indeks, ponieważ pandy nie pozwalają na wszystkie operacje w indeksie, a intensywne ustawienie i resetowanie indeksu może spowodować zniknięcie kolumn.

TLDR; Nie konwertuj indeksu z powrotem. Zachowaj kopię.