熊猫数据框分组日期时间月份

Question

考虑一个 csv 文件：

string,date,number
a string,2/5/11 9:16am,1.0
a string,3/5/11 10:44pm,2.0
a string,4/22/11 12:07pm,3.0
a string,4/22/11 12:10pm,4.0
a string,4/29/11 11:59am,1.0
a string,5/2/11 1:41pm,2.0
a string,5/2/11 2:02pm,3.0
a string,5/2/11 2:56pm,4.0
a string,5/2/11 3:00pm,5.0
a string,5/2/14 3:02pm,6.0
a string,5/2/14 3:18pm,7.0

我可以读入，并将日期列重新格式化为日期时间格式：

b=pd.read_csv('b.dat')
b['date']=pd.to_datetime(b['date'],format='%m/%d/%y %I:%M%p')

我一直在尝试按月对数据进行分组。 似乎应该有一种明显的方式来访问月份并按月份分组。 但我似乎做不到。 有谁知道怎么做？

我目前正在尝试的是按日期重新索引：

b.index=b['date']

我可以像这样访问月份：

b.index.month

但是，我似乎无法找到按月合并的功能。

Answer 1

设法做到了：

b = pd.read_csv('b.dat')
b.index = pd.to_datetime(b['date'],format='%m/%d/%y %I:%M%p')
b.groupby(by=[b.index.month, b.index.year])

或者

b.groupby(pd.Grouper(freq='M'))  # update for v0.21+

Answer 2

（更新：2018）

请注意， pd.Timegrouper已折旧并将被删除。 改用：

 df.groupby(pd.Grouper(freq='M'))

Answer 3

避免 MultiIndex 的一种解决方案是创建一个新的datetime列，设置 day = 1。然后按此列分组。

标准化一个月中的某一天

df = pd.DataFrame({'Date': pd.to_datetime(['2017-10-05', '2017-10-20', '2017-10-01', '2017-09-01']),
                   'Values': [5, 10, 15, 20]})

# normalize day to beginning of month, 4 alternative methods below
df['YearMonth'] = df['Date'] + pd.offsets.MonthEnd(-1) + pd.offsets.Day(1)
df['YearMonth'] = df['Date'] - pd.to_timedelta(df['Date'].dt.day-1, unit='D')
df['YearMonth'] = df['Date'].map(lambda dt: dt.replace(day=1))
df['YearMonth'] = df['Date'].dt.normalize().map(pd.tseries.offsets.MonthBegin().rollback)

然后像往常一样使用groupby ：

g = df.groupby('YearMonth')

res = g['Values'].sum()

# YearMonth
# 2017-09-01    20
# 2017-10-01    30
# Name: Values, dtype: int64

与pd.Grouper比较

该解决方案的微妙的好处是，不像pd.Grouper ，石斑鱼指数归到每个月，而不是结束的开始，因此，你可以很容易地通过提取组get_group ：

some_group = g.get_group('2017-10-01')

计算十月的最后一天稍微麻烦一些。 pd.Grouper ， pd.Grouper 确实支持convention参数，但这仅适用于PeriodIndex石斑鱼。

与字符串转换的比较

上述想法的替代方法是转换为字符串，例如将 datetime 2017-10-XX转换为字符串'2017-10' 。 但是，不建议这样做，因为与字符串object系列（存储为指针数组）相比， datetime序列（在内部存储为连续内存块中的数字数据）的所有效率优势都将丢失。

Answer 4

@jpp 的替代解决方案，但输出YearMonth字符串：

df['YearMonth'] = pd.to_datetime(df['Date']).apply(lambda x: '{year}-{month}'.format(year=x.year, month=x.month))

res = df.groupby('YearMonth')['Values'].sum()

Answer 5

要对时间序列数据进行分组，您可以使用resample方法。 例如，按月分组：

df.resample(rule='M', on='date')['Values'].sum()

您可以在此处找到带有偏移别名的列表。