Pandas多索引含DatetimeIndex时按时间段分组的优雅实现方式

好问题！我完全理解你的感受——把datetime设为索引本应该让操作更顺手，但多索引下用get_level_values('datetime')确实不如直接引用列（df.datetime.dt.time）来得清爽，这确实有点反直觉。

下面给你两种解决方案，看哪种更符合你的需求：

方案1：优化现有写法（不修改索引） #

虽然get_level_values是官方推荐的多索引层级访问方式，但你可以通过变量赋值来提升可读性，避免重复写长表达式：

# 先把需要的time提取出来，再分组
dt_time = df.index.get_level_values('datetime').time
df.groupby(dt_time).something()

这种写法本质和你原来的代码一致，但看起来更整洁，也符合Pandas的惯用写法。

方案2：拆分datetime索引为date+time层级（推荐长期使用） #

你提到的拆分思路非常棒，一旦把datetime拆成date和time两个独立层级，后续分组、筛选都会更简洁。这里有个优雅的实现方式：

# 提取原datetime层级的date和time部分
dt_idx = df.index.get_level_values('datetime')
date_part = dt_idx.date
time_part = dt_idx.time

# 提取其他索引层级
other_levels = [df.index.get_level_values(level) for level in ['x', 'y', 'z']]

# 重建多索引，替换原datetime层级为date+time
new_index = pd.MultiIndex.from_arrays(
    [date_part, time_part] + other_levels,
    names=['date', 'time', 'x', 'y', 'z']
)
df.index = new_index

完成后，你就可以用最简洁的方式分组了：

df.groupby(level='time').something()

如果之后需要按日期+时间段分组，直接写df.groupby(level=['date', 'time']).something()也非常方便。

另外补充一句：多索引的设计更多是为了处理高维度数据的聚合和筛选，而非替代列的便捷访问——所以遇到这种“索引层级不如列好写”的情况是很正常的，拆分索引或者用变量提取都是合理的变通方式。

内容的提问来源于stack exchange，提问作者Bananach