在MultiIndex Pandas DataFrame的兩個級別中的日期上重新采樣

Question

我有一個帶有2級MultiIndex的pandas DataFrame。 MultiIndex的兩個級別都是相同的日期范圍，每天間隔。 我想每周對MultiIndex的兩個級別的DataFrame進行重新采樣，但是遇到了麻煩。 請看下面。

為了舉例說明，讓我們將每個索引追溯到2周：

d0 = date.today() - timedelta(days=14)
dates = pd.date_range(d0, date.today())
date_index = pd.MultiIndex.from_product([dates, dates], names=['cohort_date', 'event_date'])
df = pd.DataFrame(np.random.randint(0, 100, 225), index=date_index)

如果直接對df重新采樣，則會收到以下TypeError：

df.resample('W', how='sum')
[...]
TypeError: Only valid with DatetimeIndex or PeriodIndex

公平地說，我在第一層拆箱並重新采樣，這給出了一半的答案：

df2 = df.unstack().resample('W', how='sum').T
print df2

cohort_date   2014-07-20  2014-07-27  2014-08-03
  event_date                                    
0 2014-07-16         177         424         115
  2014-07-17         408         392         197
  2014-07-18         174         435         222
  2014-07-19         180         392         141
  2014-07-20         304         252         155
  2014-07-21         242         236         228
  2014-07-22         139         159          77
  2014-07-23         117         293          68
  2014-07-24         308         353         246
  2014-07-25         254         471         160
  2014-07-26         258         240         144
  2014-07-27         297         360         148
  2014-07-28         284         303         202
  2014-07-29         218         399         144
  2014-07-30         227         286         160

現在，如果我嘗試對第二個軸重新采樣（理論上也按日期索引），則會出現相同的錯誤：

df2.unstack().resample('W', how='sum')
[...]
TypeError: Only valid with DatetimeIndex or PeriodIndex

我現在不知所措，感謝您對每周在每個維度上進行重新采樣所提供的幫助。

Answer 1

這需要0.14.1（也可以在0.14.0中使用）

注意，我認為它們是一個小問題，因為這應該通過指定級別（而不是將其重置並用作列）來起作用。

文件在這里

In [22]: df.reset_index().groupby([pd.Grouper(key='cohort_date',freq='W'),pd.Grouper(key='event_date',freq='W')]).sum()
Out[22]: 
                           0
cohort_date event_date      
2014-07-20  2014-07-20  1292
            2014-07-27  1665
            2014-08-03   764
2014-07-27  2014-07-20  1521
            2014-07-27  2317
            2014-08-03  1071
2014-08-03  2014-07-20   871
            2014-07-27  1006
            2014-08-03   306