熊貓日期時間多指標改變爲日期索引和時間的字段（重新索引）

Question

設置： 我有一個多指標數據幀數據這樣;

             value 
date      date        
2015-08-13 00:00:00+10:00 2015-08-13 06:30:00+10:00 0.812689 
          2015-08-13 15:30:00+10:00 0.054290 
          2015-08-13 16:00:00+10:00 0.206277 
          2015-08-13 16:30:00+10:00 0.082520 
          2015-08-13 17:00:00+10:00 0.009448 
          2015-08-13 17:30:00+10:00 0.000000 
2015-08-14 00:00:00+10:00 2015-08-14 06:30:00+10:00 0.000000 
          2015-08-14 07:00:00+10:00 0.000280 
          2015-08-14 07:30:00+10:00 0.034119 
          2015-08-14 08:00:00+10:00 0.168524 
          2015-08-14 08:30:00+10:00 0.471783 
          2015-08-14 09:00:00+10:00 0.522409 

中間步驟我做第一個指數水平只是日期，第二指數水平只是時間，這是我與完成，

# set index level 0 to dates 
day_start=[i.date() for i in data.index.levels[0]] 
data.index.set_levels(day_start, level=0, inplace=True) 

# set index level 1 to times 
interval_start=[i.time() for i in data.index.levels[1]] 
data_interval.index.set_levels(interval_start, level=1, inplace=True) 

# rename time index 
data.index.set_names('time', level=1, inplace=True) 

也許不是最好的辦法做到這一點，但它給了，

     value 
date  time    
2015-08-13 06:30:00 0.812689 
      15:30:00 0.054290 
      16:00:00 0.206277 
      16:30:00 0.082520 
      17:00:00 0.009448 
      17:30:00 0.000000 
2015-08-14 06:30:00 0.000000 
      07:00:00 0.000280 
      07:30:00 0.034119 
      08:00:00 0.168524 
      08:30:00 0.471783 
      09:00:00 0.522409 

問題：我一直沒能下一步是重新索引時間，以便有一個指數從00:00每30分鐘至23:30，其中z eros填入缺少的數據。這將使其每天都保持一致，這可能與數據具有不同的開始/結束時間。即

     value 
date  time    
2015-08-13 00:00:00 0.0 
      00:30:00 0.0 
       : 
      06:30:00 0.812689 
      07:00:00 0.0 
      07:30:00 0.0 
       : 
      15:30:00 0.054290 
      16:00:00 0.206277 
      16:30:00 0.082520 
       : 
      23:30:00 0.0 

等等每一天。嘗試在level = 1上重新索引時，在傳遞30分鐘間隔時間的數組時似乎沒有效果。不知道這是甚麼正確的做法。

下一步：我想什麼後做是data.unstack（等級= 1），因此所有的時間指數成爲列標題。如果我按照原樣散開它，我會重複出現一個奇怪的混搭列（這主要是爲什麼我試圖讓它們在一天之間保持一致）。就像是;

  value               
time  06:30:00 15:30:00 16:00:00 16:30:00 17:00:00 17:30:00 06:30:00 
date                   
2015-08-13 0.812689 0.05429 0.206277 0.08252 0.009448  0.0  0.0 
2015-08-14 0.000000 0.00000 0.000000 0.00000 0.000000  0.0  0.0 
2015-08-15 0.000000 0.00000 0.000000 0.00000 0.000000  0.0  0.0 
2015-08-16 0.000000 0.00000 0.000000 0.00000 0.000000  0.0  0.0 
2015-08-17 0.000000 0.00000 0.000000 0.00000 0.000000  0.0  0.0 

在那些日子裏有很多丟失的數據，所以它沒有進入正確的列我猜。我可能從根本上忽略了重新索引中的某些東西，也許我的整個方法不是獲得最終結果的方式。

Answer 1

首先，放棄「日期」列。這是多餘的，傷害更多，而不是幫助。那是df.index = df.index.droplevel(0)。

現在你有這樣的：

     value 
time       
2015-08-13 06:30:00 0.812689 
2015-08-13 15:30:00 0.054290 
2015-08-13 16:00:00 0.206277 
2015-08-13 16:30:00 0.082520 
2015-08-13 17:00:00 0.009448 
2015-08-13 17:30:00 0.000000 
2015-08-14 06:30:00 0.000000 
2015-08-14 07:00:00 0.000280 
2015-08-14 07:30:00 0.034119 
2015-08-14 08:00:00 0.168524 
2015-08-14 08:30:00 0.471783 
2015-08-14 09:00:00 0.522409 

然後，df.resample('30min').first().fillna(0)：

     value 
time       
2015-08-13 06:30:00 0.812689 
2015-08-13 07:00:00 0.000000 
2015-08-13 07:30:00 0.000000 
2015-08-13 08:00:00 0.000000 
... 

現在分裂指數爲單獨的日期和時間部分：

df['date'] = df.index.date 
df['time'] = df.index.time 

最後，透視：

df.pivot(values='value', index='date', columns='time')