pandalar veri çerçeve grubu tarih ve aya göre

Bir csv dosyası düşünün:

string,date,number
a string,2/5/11 9:16am,1.0
a string,3/5/11 10:44pm,2.0
a string,4/22/11 12:07pm,3.0
a string,4/22/11 12:10pm,4.0
a string,4/29/11 11:59am,1.0
a string,5/2/11 1:41pm,2.0
a string,5/2/11 2:02pm,3.0
a string,5/2/11 2:56pm,4.0
a string,5/2/11 3:00pm,5.0
a string,5/2/14 3:02pm,6.0
a string,5/2/14 3:18pm,7.0

Bunu içinde okuyabilir ve tarih sütununu datetime biçiminde yeniden biçimlendirebilirim:

b=pd.read_csv('b.dat')
b['date']=pd.to_datetime(b['date'],format='%m/%d/%y %I:%M%p')

Verileri aylara göre gruplandırmaya çalışıyorum. Aya erişmenin ve buna göre gruplandırmanın açık bir yolu olmalı gibi görünüyor. Ama bunu yapacak gibi görünmüyorum. Nasıl olduğunu bilen var mı?

Şu anda denediğim şey tarihe göre yeniden indeksleniyor:

b.index=b['date']

Aya şöyle erişebilirim:

b.index.month

Ancak aylara göre bir araya toplayacak bir işlev bulamıyorum.

Yapmayı başardı:

b = pd.read_csv('b.dat')
b.index = pd.to_datetime(b['date'],format='%m/%d/%y %I:%M%p')
b.groupby(by=[b.index.month, b.index.year])

Veya

b.groupby(pd.Grouper(freq='M'))  # update for v0.21+

(güncelleme: 2018)

Bunun pd.Timegrouperamortismana tabi olduğunu ve kaldırılacağını unutmayın. Bunun yerine kullanın:

 df.groupby(pd.Grouper(freq='M'))

MultiIndex'i engelleyen bir çözüm, yeni bir datetimesütun ayarı day = 1. oluşturmaktır . Sonra bu sütuna göre gruplandırın.

Ayın gününü normalleştir

df = pd.DataFrame({'Date': pd.to_datetime(['2017-10-05', '2017-10-20', '2017-10-01', '2017-09-01']),
                   'Values': [5, 10, 15, 20]})

# normalize day to beginning of month, 4 alternative methods below
df['YearMonth'] = df['Date'] + pd.offsets.MonthEnd(-1) + pd.offsets.Day(1)
df['YearMonth'] = df['Date'] - pd.to_timedelta(df['Date'].dt.day-1, unit='D')
df['YearMonth'] = df['Date'].map(lambda dt: dt.replace(day=1))
df['YearMonth'] = df['Date'].dt.normalize().map(pd.tseries.offsets.MonthBegin().rollback)

O zaman groupbynormal olarak kullanın :

g = df.groupby('YearMonth')

res = g['Values'].sum()

# YearMonth
# 2017-09-01    20
# 2017-10-01    30
# Name: Values, dtype: int64

İle karşılaştırıldığında pd.Grouper

Bu çözümün hafif yararı pd.Grouper, gruplama endeksinin sondan ziyade her ayın başına normalleştirilmesidir ve bu nedenle grupları şu yolla kolayca çıkarabilirsiniz get_group:

some_group = g.get_group('2017-10-01')

Ekim ayının son gününü hesaplamak biraz daha zahmetlidir. pd.Grouper, v0.23'ten itibaren bir conventionparametreyi destekler , ancak bu yalnızca bir gruplayıcı için geçerlidir PeriodIndex.

Dize dönüştürme ile karşılaştırma

Yukarıdaki fikre bir alternatif, bir dizeye dönüştürmek, örneğin tarih saati 2017-10-XXdizeye dönüştürmektir '2017-10'. Ancak, bir dizi diziye datetimekarşı object(bir dizi işaretçi olarak saklanan) bir dizinin tüm verimlilik avantajlarını ( bitişik bir bellek bloğunda dahili olarak sayısal veriler olarak depolanır) kaybettiğiniz için bu önerilmez .

@ Jpp'ye biraz alternatif çözüm ancak bir YearMonthdize çıktı:

df['YearMonth'] = pd.to_datetime(df['Date']).apply(lambda x: '{year}-{month}'.format(year=x.year, month=x.month))

res = df.groupby('YearMonth')['Values'].sum()