我想根据风向限制获取平均每月总降水量。我按年和月对数据进行分组，但对风向限制的确有些排除在指数之外。但是，我需要迫使这几个月重新回到索引中，以便能够重塑数据框（每年12个月）并绘制热图。例如，在1995年，multi索引中缺少12月（第12个月）。 How to add it？
walney_day = walney_wff.set_index(['year', 'month', 'day']).sum(level=[0,1,2]).reset_index()
#identifying dry days:
walney_day['dry'] = np.where((walney_day['precp']==0), 1, 0).copy()
#grouping by month to get a monthly count of the dry days:
walney_month = walney_day.groupby([walney_day['year'], walney_day['month']]).sum()
最佳答案
因此，实际上我找到了解决问题的方法。它涉及以下步骤：
1）而不是使用.groupby（year，month）并获得多索引，我使用.set_index（['year'，'month']）。sum（level = [0,1]）。reset_index（）我的组索引不包含日期时间变量。
2）我从“年”和“月”列中创建了一个“日期”列，用于对日期进行分组，方法是：pd.to_datetime（walney_month [['year'，'month']]。assign（day = 1））##注意：我需要分配一天（此处，每个月度值都与该月的第一天相关联）。
3）我使用以下``日期''列作为我的数据集的新索引：.set_index（'date'）
4）我使用以下方法获得日期范围内月份的完整列表：pd.date_range（df.index.min（），df.index.max（），freq ='MS'）##注意：我使用了'MS '将列表中的每个元素都设为该范围内每个月的第一天。
5）我使用从4）获得的日期列表重新索引我的数据框，使用：.reindex（）
这是我的代码：
walney_day = walney_wff.set_index(['year', 'month', 'day']).sum(level [0,1,2]).reset_index()
walney_day['dry'] = np.where((walney_day['precp']==0), 1, 0).copy()
walney_month = walney_day.set_index(['year', 'month']).sum(level=[0,1]).reset_index()
walney_month['date'] = pd.to_datetime(walney_month[['year', 'month']].assign(day=1))
walney_month = walney_month.set_index('date')
all_months = pd.date_range(walney_month.index.min(), walney_month.index.max(), freq='MS')
walney_month = walney_month.reindex(all_months)
output is here。
关于python - 在按年份和月份分组的数据中创建缺少月份的行(多索引)，我们在Stack Overflow上找到一个类似的问题：https://stackoverflow.com/questions/58807158/