Pandas：修改ShiftId索引值并按新值重新分组求均值求助

我明白你遇到的困扰了——你想把带班次标识的ShiftId索引（比如末尾的0/1代表白班/夜班）去掉班次位，按纯日期分组计算各列均值，但之前的代码看起来没产生预期变化。咱们一步步来解决：

为什么你的代码没生效？ #

你的思路方向是对的，但有两个关键细节没注意到：

1. groupby.mean()会返回一个全新的DataFrame，如果没有把结果赋值给变量，原DataFrame不会被修改，自然看不到变化；
2. 原索引如果是整数类型，虽然用str(x)[:-1]能转成字符串，但直接修改索引后分组，需要确保后续操作正确承接。

两种可行的解决方案 #

方案1：直接在分组时处理索引（无需修改原DataFrame）

这种方式更简洁，不用提前改动原索引，直接在groupby里指定分组规则：

# 按索引截取前8位（日期部分）分组，自动忽略NaN计算均值
result = days_frame.groupby(lambda x: str(x)[:-1]).mean(numeric_only=True)

这里的numeric_only=True是为了确保只对数值列计算均值，避免遇到非数值列时报错。

方案2：先修改索引再分组

如果你确实需要先把索引改成纯日期格式，记得一定要把分组后的结果赋值给变量（比如result），否则看不到最终结果：

# 将索引转为字符串，截取掉最后一位的班次标识
days_frame.index = days_frame.index.astype(str).str[:-1]
# 按修改后的日期索引分组求均值，保存结果
result = days_frame.groupby(days_frame.index).mean(numeric_only=True)

验证结果 #

用你的示例数据测试，两种方案都会得到你预期的结果：

这样就能完美实现按日期分组计算各列均值的需求啦！

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