如何在Pandas Grouper分组时保留Datetime列并筛选九月数据？

问题背景 #

现有每分钟更新的Pandas DataFrame结构如下：

Date       Time                 InverterVoltage        Invertercurrent
    2021-11-15 14:37:05              219.1                 20
    2021-11-15 14:38:05              210.2                 21

执行以下代码计算功耗、合并时间列并按小时分组求均值：

# 计算逆变器功耗
df['inverterConsumption'] = df.inverterVoltage * df.inverterCurrent
# 合并生成Datetime列
df['Datetime'] = pd.to_datetime(df['Date'].astype(str) + ' ' + df['Time'].astype(str))
# 按小时分组求均值
davg_df2 = df.groupby(pd.Grouper(freq='H', key='Datetime')).mean()

尝试筛选九月数据时执行：

davg_df2 = davg_df2[davg_df2['Datetime'].dt.month_name() == 'September']

触发KeyError: Datetime，因为分组聚合后Datetime列未保留（非数值型列默认不会被聚合保留，且被设为了索引）。

解决方法 #

方法1：利用分组后的索引直接筛选

分组后Datetime会成为davg_df2的索引，直接通过索引的月份属性筛选即可：

# 按小时分组求均值（Datetime自动作为索引）
davg_df2 = df.groupby(pd.Grouper(freq='H', key='Datetime')).mean()
# 筛选九月数据
davg_df2 = davg_df2[davg_df2.index.month_name() == 'September']

方法2：分组时保留Datetime为列（使用as_index=False）

如果需要将Datetime保留为DataFrame的列而非索引，在分组时添加as_index=False参数，这样分组键会作为列保留：

# 按小时分组求均值，同时保留Datetime列为普通列
davg_df2 = df.groupby(pd.Grouper(freq='H', key='Datetime'), as_index=False).mean()
# 直接通过Datetime列筛选九月数据
davg_df2 = davg_df2[davg_df2['Datetime'].dt.month_name() == 'September']

方法3：自定义聚合规则保留Datetime列

若需要更灵活的列保留逻辑，可以使用agg()方法指定每个列的聚合方式，显式保留Datetime列（比如取每组的第一个时间戳）：

# 按小时分组，自定义聚合规则
davg_df2 = df.groupby(pd.Grouper(freq='H', key='Datetime')).agg(
    InverterVoltage=('InverterVoltage', 'mean'),
    Invertercurrent=('Invertercurrent', 'mean'),
    inverterConsumption=('inverterConsumption', 'mean'),
    Datetime=('Datetime', 'first')  # 保留每组第一个Datetime值
)
# 筛选九月数据
davg_df2 = davg_df2[davg_df2['Datetime'].dt.month_name() == 'September']

内容的提问来源于stack exchange，提问作者gansub