如何借助datetime索引用groupby按日-月分组跨多年数据并去除多重索引

有两种简洁的方式可以避免生成多重索引，同时实现按「月-日」分组求最大值的需求：

方法1：直接将datetime索引格式化为mm-dd字符串分组 #

利用datetime索引的strftime方法，直接生成mm-dd格式的字符串作为分组键，分组结果会自动使用该字符串作为单级索引：

import numpy as np
import pandas as pd

# 假设df已将索引转为datetime类型
result = df.groupby(df.index.strftime('%m-%d')).agg({"Data_Value": np.max})

得到的结果会有365行（若数据包含闰年2月29日，可根据需求单独处理，比如合并到2月28日），索引为01-01到12-31的字符串格式，完全符合需求。

方法2：按一年中的第几天（dayofyear）分组后转换索引 #

先通过dayofyear获取每个日期在一年中的序号（1到365/366），分组后再将序号转换为mm-dd格式：

import numpy as np
import pandas as pd

# 按dayofyear分组求最大值
result = df.groupby(df.index.dayofyear).agg({"Data_Value": np.max})
# 将dayofyear索引转换为mm-dd格式
result.index = pd.to_datetime(result.index, format='%j').strftime('%m-%d')

这种方式分组逻辑更简洁，若后续需要对日期序号做数值运算也更方便，最后转换为mm-dd索引即可。

原代码生成多重索引的原因 #

你之前使用[df.index.month, df.index.day]作为分组键，本质是按两个维度（月份、日期）分组，因此Pandas会生成包含month和day的多级索引。而上面两种方法都是用单个分组键（字符串格式的mm-dd或数字格式的dayofyear），所以结果为单级索引。

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