如何使用 Python/Pandas 从日期字段按月分组

Question

我有一个 Dataframe df 如下：date               value_1    value_22018.07.06           10          02018.07.14           20          12018.07.27           20          22018.08.06           30          12018.08.09           40          32018.08.13           20          22018.09.10           30          12018.09.22           50          22018.10.09           20          32018.10.27           20          1我需要按月对上述数据进行分组以获得输出：date              value_1    value_22018.07.01           50          32018.08.01           90          62018.09.01           80          32018.10.01           40          4我怎样才能在熊猫中有效地做到这一点？

Answer 1

尝试使用 pd.Grouper 和 freq = 'MS' 进行分组：

df.groupby(pd.Grouper(freq='MS', key='date')).sum().reset_index()

输出：

        date  value_1  value_2

0 2018-07-01       50        3

1 2018-08-01       90        6

2 2018-09-01       80        3

3 2018-10-01       40        4

而且，如果您想恢复点日期格式，可以使用以下命令：

df_out = df.groupby(pd.Grouper(freq='MS', key='date')).sum().reset_index()

df_out['date'] = df_out['date'].dt.strftime('%Y.%m.%d')

df_out

输出：

         date  value_1  value_2

0  2018.07.01       50        3

1  2018.08.01       90        6

2  2018.09.01       80        3

3  2018.10.01       40        4

Answer 2

做

df.date=pd.to_datetime(df.date)

df.groupby(df.date+pd.offsets.MonthBegin(-1)).sum()

Out[171]: 

            value_1  value_2

date                        

2018-07-01       50        3

2018-08-01       90        6

2018-09-01       80        3

2018-10-01       40        4

Answer 3

如果您将日期作为索引，则就像重新采样一样简单。

df.resample('MS').sum()

如果您还没有将其作为索引，则可以set_index.

df.set_index('date').resample('MS').sum()

两者都给你

            value_1  value_2

date                        

2018-07-01       50        3

2018-08-01       90        6

2018-09-01       80        3

2018-10-01       40        4