我有一个包含以下列的数据框:
user,dates,quantity,location
我正在考虑制作有用的分组程序。
pd.to_numeric(x['quantity'], errors='coerce').groupby(x['user']).sum().reset_index()
给出这个:
user quanity
0 user_01 8900.0
1 user_02 0.0
2 user_03 0.0
3 user_04 232.0
4 user_05 21.0
5 user_06 110.0
6 user_07 240.0
7 user_08 20500.0
我怎样才能做到这一点,包括位置和日期?
示例:能够轻松地在每周检查或按月检查之间进行更改?
注意:dates列是object类型
样本数据
dates user quantity location
0 2018-09-03 user_01 23 GR
1 2018-09-03 user_01 - GR
2 2018-09-03 user_02 3 SW
3 2018-09-03 user_03 - POR
4 2018-09-03 user_04 222 PAN
5 2018-09-03 user_04 - PAN
请您参考如下方法:
您可以按乘列分组并聚合sum:
x['quantity'] = pd.to_numeric(x['quantity'], errors='coerce')
df = x.groupby(['dates','user','location'], as_index=False)['quantity'].sum()
print (df)
dates user location quantity
0 2018-09-03 user_01 GR 23.0
1 2018-09-03 user_02 SW 3.0
2 2018-09-03 user_03 POR 0.0
3 2018-09-03 user_04 PAN 222.0
编辑:您可以使用 Grouper按 MS 月初 - 检查 offset aliases :
x['dates'] = pd.to_datetime(x['dates'])
x['quantity'] = pd.to_numeric(x['quantity'], errors='coerce')
df = (x.groupby([pd.Grouper(key='dates', freq='MS'),'user','location'])['quantity']
.sum()
.reset_index())
print (df)
dates user location quantity
0 2018-09-01 user_01 GR 23.0
1 2018-09-01 user_02 SW 3.0
2 2018-09-01 user_03 POR 0.0
3 2018-09-01 user_04 PAN 222.0
df = x.groupby([x['dates'].dt.month,'user','location'])['quantity'].sum().reset_index()
print (df)
dates user location quantity
0 9 user_01 GR 23.0
1 9 user_02 SW 3.0
2 9 user_03 POR 0.0
3 9 user_04 PAN 222.0
