基于小时的pandas分组以获取日内波动性

Question

我有一个数据框，里面记录了三个地方的每小时降雨量的时间序列。数据的开头和结尾显示了具体的内容，如下所示。为了理解降水的日变化，我想把所有天和所有年的每小时数据放在一起。

hourly_series.head()
                           loc1_data  loc2_data loc3_data
2013-10-01 05:30:00+00:00        0.5          1          1
2013-10-01 06:30:00+00:00        NaN        NaN        NaN
2013-10-01 07:30:00+00:00        NaN        NaN        NaN
2013-10-01 08:30:00+00:00          0          0          0
2013-10-01 09:30:00+00:00        NaN        NaN        NaN

[5 rows x 3 columns]
hourly_series.tail()
                           loc1_data  loc2_data  loc3_data
2014-01-01 00:30:00+00:00        7.5          1          5
2014-01-01 01:30:00+00:00          0          0          0
2014-01-01 02:30:00+00:00          0          2          0
2014-01-01 03:30:00+00:00          0        4.5          0
2014-01-01 04:30:00+00:00          1          0          0

我尝试过

hourly_grouped = hourly_series.groupby([(lambda x:x.year,lambda x:x.month, lambda x: x.time)])

但是，我没有得到想要的结果。我对pandas这个工具还不太熟悉。

Answer 1

你是在找这个吗？

hourly_series['hour'] = hourly_series.index
hourly_series['hour'] = hourly_series['hour'].apply(lambda x: x.hour)
hourly_series.groupby(['hour']).var() # Or any other stats function