Python Pandas按指定星期顺序与时间多级分组的优化方案问询

我花了大量时间寻找这类问题的优质解决方案，但搜到的基本都是针对单级索引的实现，比如按周分组、按工作日分组的常规方案。自己摸索出了下面这套适配场景的代码，但想请教有没有更合理的实现方式：

df = df.groupby([df.index.weekday, df.index.time]).sum()
df.index = df.index.set_levels(df.index.levels[0].map({0: "Monday", 1: "Tuesday", 2: "Wednesday", 3: "Thursday", 4: "Friday", 5: "Saturday", 6: "Sunday"}), level=0)

优化方案1：分组阶段直接映射工作日名称 #

无需事后修改索引层级，在分组时就将weekday数值转换为对应名称，代码更简洁直观：

weekday_map = {0: "Monday", 1: "Tuesday", 2: "Wednesday", 3: "Thursday", 4: "Friday", 5: "Saturday", 6: "Sunday"}
df = df.groupby([df.index.weekday.map(weekday_map), df.index.time]).sum()

优化方案2：利用Pandas内置的工作日名称方法 #

如果你的索引是DatetimeIndex，可以直接调用index.day_name()获取工作日名称，无需手动维护映射字典，还支持多语言适配：

df = df.groupby([df.index.day_name(), df.index.time]).sum()

补充说明 #

• 若需要固定返回英文名称，可指定locale参数（需确保系统支持对应本地化设置）：

df = df.groupby([df.index.day_name(locale='en_US'), df.index.time]).sum()

内容的提问来源于stack exchange，提问作者user8636507