熊猫TimeGrouper列

Question

我有一个csv文件日期为列标题和二进制矩阵1,0或np.nan。

我想取每个索引的均值，按月分组。我遇到了一个问题，因为我的列不是datetimeindex，我试图用pd.to_datetime()转换为没有运气。

binary.csv：

2016-01-01 00:00:00,2016-01-02 00:00:00,2016-02-01 00:00:00,2016-02-02 00:00:00 
1,,0,1 
0,1,,1 

我的代码：

import pandas as pd 
import numpy as np 

df = pd.read_csv('binary.csv') 
df.columns = pd.to_datetime(df.columns, format='%Y-%m-%d %H:%M:%S') 
df = df.groupby(pd.TimeGrouper(freq='M'), axis=0) 
print df 

错误：

TypeError: axis must be a DatetimeIndex, but got an instance of 'Int64Index' 

所需的输出：

2016-01-01 00:00:00 2016-02-01 00:00:00 
0     1.0     0.5 
1     0.5     1.0 

更新问题：

基于最佳答案：

如果我想每个月一个值，有没有更有效的方法来做到这一点比这个？

pd.DataFrame(data=df.resample('MS', axis=1).mean().mean()).transpose() 

Answer 1

默认情况下，pd.TimeGrouper作用于指数（轴= 0），所以你需要告诉它应该组列，而不是：

df.groupby(pd.TimeGrouper(freq='MS', axis=1), axis=1).mean() 
Out: 
    2016-01-01 2016-02-01 
0   1.0   0.5 
1   0.5   1.0 

您可以直接使用重采样，太：

df.resample('MS', axis=1).mean() 
Out: 
    2016-01-01 2016-02-01 
0   1.0   0.5 
1   0.5   1.0