Skip to main content
 首页 » 编程设计

Python、Pandas : Use the GroupBy. 组描述以将其应用于另一个分组

2025年02月15日13yjmyzz

让我们考虑一个 DataFrame,它包含 2010 年 1 月的每一天的 1 行 2 个值:

date_range = pd.date_range(dt(2010,1,1), dt(2010,1,31), freq='1D') 
df = pd.DataFrame(data = np.random.rand(len(date_range),2), index = date_range) 

我将该 DataFrame 拆分为 5 个 DataFrame 的列表,每个 DataFrame 包含来自原始数据的 1 周的数据:df_weeks = [g for n, g in df.groupby(pd.TimeGrouper('W' ))]

如果我输入 df.groupby(pd.TimeGrouper('W')).groups 我可以看到解释组如何拆分的字典:

{Timestamp('2010-01-03 00:00:00', freq='W-SUN'): 3, 
 Timestamp('2010-01-10 00:00:00', freq='W-SUN'): 10, 
 Timestamp('2010-01-17 00:00:00', freq='W-SUN'): 17, 
 Timestamp('2010-01-24 00:00:00', freq='W-SUN'): 24, 
 Timestamp('2010-01-31 00:00:00', freq='W-SUN'): 31} 

让我们考虑另一个具有稀疏数据但与第一个重叠的 TimeSerie:

observations = pd.DataFrame(data =np.random.rand(5,2), index = (dt(2010,1,12), dt(2010,1,18), dt(2010,1,20), dt(2010,1,22), dt(2010,1,28))) 

如果我运行相同的代码obs_weeks = [g for n, g in observations.groupby(pd.TimeGrouper('W'))],显然它会在列表中返回更少的数据帧,因为数据涵盖的跨度较小。 observations.groupby(pd.TimeGrouper('W')).groups 返回:

{Timestamp('2010-01-17 00:00:00', freq='W-SUN'): 1, 
 Timestamp('2010-01-24 00:00:00', freq='W-SUN'): 4, 
 Timestamp('2010-01-31 00:00:00', freq='W-SUN'): 5} 

但是否有办法重用第一个 DataFrame.GroupBy 的组 以将其应用于第二个?也就是说,在那种特定情况下,这将意味着以变量 obs_weeks 结束,其中包含 5 个与 df_weeks 跨越相同时间范围的 DataFrame,其中 2 个为空?

请您参考如下方法:

解决您的问题的一个简单方法是确保观察数据框包含 df 数据框包含的所有日期。您可以使用 reindex 方法执行此操作。然后您将拥有完全相同的组。您还可以使用 resample('W') 而不是 groupby(pd.Timegrouper('W'))

obs2 = observations.reindex(df.index) 
 
obs2.resample('W').groups 
 
{Timestamp('2010-01-03 00:00:00', freq='W-SUN'): 3, 
 Timestamp('2010-01-10 00:00:00', freq='W-SUN'): 10, 
 Timestamp('2010-01-17 00:00:00', freq='W-SUN'): 17, 
 Timestamp('2010-01-24 00:00:00', freq='W-SUN'): 24, 
 Timestamp('2010-01-31 00:00:00', freq='W-SUN'): 31} 

如果我们做一个像 sum 这样的简单聚合,我们可以看到两个帧的结果

df.resample('W').sum() 
 
                 0         1 
2010-01-03  1.990558  2.555191 
2010-01-10  2.707777  3.771756 
2010-01-17  2.799897  3.353363 
2010-01-24  3.165479  2.778870 
2010-01-31  4.946577  3.394211 

现在 obs2 有 2 个缺失组

obs2.resample('W').sum() 
 
                   0         1 
2010-01-03       NaN       NaN 
2010-01-10       NaN       NaN 
2010-01-17  0.172341  0.137136 
2010-01-24  1.752472  2.375306 
2010-01-31  0.711525  0.124271