我有一个 pandas 数据框，它有一个多索引月，然后是日，然后是一列数据值，看起来像这样:
Data
1 1 6
2 10
3 11
4 12
5 50
...
12 1 3
2 4
3 10
4 11
你明白了。我已经分组了月份和日期。 我想制作一个新列来一起格式化月份 - 日期。但似乎无法弄清楚。 期望的输出看起来像这样:
M-D Data
1-01 6
1-02 10
1-03 11
1-04 14
1-05 50
谁能为此提供最佳解决方案？ 注意:我之前使用以下代码创建了索引，也许我需要回去做一些重组？我将其设为多索引以便找到 min() 值。原始的“月”和“日”列在 10 年的跨度内有月和日，我只需要这 10 年中的最小值，因此需要 groupby()。
dframe['Date'] = pd.to_datetime(dframe['Date'])
dframe['Month'], dframe['Day'] = dframe['Date'].dt.month,
dframe['Date'].dt.day
finaldf = dframe.groupby(['Month','Day'])['Data_Value'].min()
df = pd.DataFrame(finaldf)
提前致谢!
请您参考如下方法:
如果你需要把月和日格式化为m-d，那么从一开始就不分开是比较合理的做法，比如你可以格式化Date列为 %m-%d，按此变量分组并进行所需的聚合:
dframe.groupby(pd.to_datetime(dframe['Date']).dt.strftime('%m-%d'))['Data_Value'].min()
一个简短的例子:
dframe = pd.DataFrame({
'Date': ['2017-08-01', '2016-08-01', '2017-08-02'],
'Data_Value': [2,3,4]
})
dframe.groupby(pd.to_datetime(dframe['Date']).dt.strftime('%m-%d'))['Data_Value'].min()
#Date
#08-01 2
#08-02 4
#Name: Data_Value, dtype: int64
