python时间序列重新采样以获得正确的计数

Question

我有一个 4 年的月度时间序列（索引是时间戳）。因此，理想情况下，我将有 4 个 jan 行、4 个 feb 行、4 个 mar 行、4 个 apr 行......等等。但是，有时，我可能会错过一个月或更长时间。因此，我可能有 1 月 4 日、2 月 2 日、3 月 3 日、4 月 4 日、5 月 1 日……等等我正在尝试重新采样('MS').count() 但这不起作用，因为它每个月都算作一个。我如何分组以获得正确的计数，例如；1 月 4 日、2 月 2 日、3 月 3 日、4 月 4 日、5 月 1 日……等等。然后取平均值？例如... jan 的计数是 4，因为我有 2 行与 Jan 日期。但是，Oct 的数量是 3 ......因为我有 3 排婴儿床。一月份平均销售的苹果为 13/4如果可能的话，我正在尝试通过重新采样来做到这一点，而不是通过循环或大熊猫切片。df_= df_monthly.resample('MS').count()Index       Apples_sold1-1,2015  32-1,2015  53-1,2015  6...9-1,2015  710-1,2015  911-1,2015  612-1,2015  2==================1-1,2016  22-1,2016  53-1,2016  6...9-1,2016  710-1,2016  911-1,2016  612-1,2016  2==================1-1,2017  42-1,2017  53-1,2017  6...9-1,2017  710-1,2017  911-1,2017  612-1,2017  2==================1-1,2018  42-1,2018  53-1,2018  6...9-1,2018  7

Answer 1

我最终做了这样的事情：

对于 df.index.month.unique() 中的月份：

   df_month_avg = df[df.index.month == month].mean(axis=0, numeric_only=True)

对于计数，我只是用 count() 替换了 mean()

这似乎有效……即使我的目标是使用重采样方法……但我找不到重采样分组键来执行此操作。