我下面有一个数据框，B 列的 dtype 是 datetime64。
A B
0 a 2016-09-13
1 b 2016-09-14
2 b 2016-09-15
3 a 2016-10-13
4 a 2016-10-14
我想按月分组(或者一般按年和日...)
所以我想得到下面的计数结果，key = B 列。
a b
2016-09 1 2
2016-10 2 0
我试过groupby。但我不知道如何处理像 datetime64 这样的 dtypes... 如何处理和分组 dtype datetime64？
请您参考如下方法:
如果将索引设置为日期时间，则可以使用 pd.TimeGrouper 按不同的时间范围进行排序。示例代码:
# recreate dataframe
df = pd.DataFrame({'A': ['a', 'b', 'b', 'a', 'a'], 'B': ['2016-09-13', '2016-09-14', '2016-09-15',
'2016-10-13', '2016-10-14']})
df['B'] = pd.to_datetime(df['B'])
# set column B as index for use of TimeGrouper
df.set_index('B', inplace=True)
# Now do the magic of Ami Tavory's answer combined with timeGrouper:
df = df.groupby([pd.TimeGrouper('M'), 'A']).size().unstack().fillna(0)
返回:
A a b
B
2016-09-30 1.0 2.0
2016-10-31 2.0 0.0
或者(归功于 ayhan)跳过设置到索引步骤并在创建数据框后直接使用以下单行代码:
# recreate dataframe
df = pd.DataFrame({'A': ['a', 'b', 'b', 'a', 'a'], 'B': ['2016-09-13', '2016-09-14', '2016-09-15',
'2016-10-13', '2016-10-14']})
df['B'] = pd.to_datetime(df['B'])
df = df.groupby([pd.Grouper(key='B', freq='M'), 'A']).size().unstack().fillna(0)
返回相同的答案
