Skip to main content
 首页 » 编程设计

python之使用日期列按月、周分组

2024年12月31日8lovecherry

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 

或者使用month或者 day或者 year :

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