当我们成功运行出一段数据时，不一定里面的内容都是我们所需要的，其中代码有重复的地方必须进行筛除。当需要筛除的数据变成了时间时，我们似乎又可以选择其他的方法进行去重。就比如datetime完全可以做到这一点，相信小伙伴们比较惊讶，我们往下看：

主要分为以下两点

1）.index.is_unique检查索引日期是否是唯一的

2）对非唯一时间戳的数据进行聚合，通过groupby，并传入level = 0（索引的唯一一层）

dates = pd.DatetimeIndex(['2017/06/01','2017/06/02','2017/06/02','2017/06/02','2017/06/03'])
dates
 DatetimeIndex(['2017-06-01', '2017-06-02', '2017-06-02', '2017-06-02',
   '2017-06-03'],
   dtype='datetime64[ns]', freq=None)
 
dup_ts = pd.Series(np.arange(5),index = dates)
dup_ts
 2017-06-01 0
 2017-06-02 1
 2017-06-02 2
 2017-06-02 3
 2017-06-03 4
 dtype: int32
 
dup_ts.index.is_unique
 False
dup_ts['2017-06-02']
 2017-06-02 1
 2017-06-02 2
 2017-06-02 3
 dtype: int32
 
grouped = dup_ts.groupby(level=0).mean()
grouped
 2017-06-01 0
 2017-06-02 2
 2017-06-03 4
 dtype: int32
 
dup_df = pd.DataFrame(np.arange(10).reshape((5,2)),index = dates )
dup_df
0   1
2017-06-01  0   1
2017-06-02  2   3
2017-06-02  4   5
2017-06-02  6   7
2017-06-03  8   9
grouped_df = dup_df.groupby(level=0).mean()##针对DataFrame
grouped_df

在筛选重复的时间方面，datetime同样可以做到，这可能是很多小伙伴没有想到的结果，是不是意外的收获呢。