[英]Aggregate by repeated datetime index with different identifiers in a column on a pandas dataframe
我有这种形式的数据框:
value identifier
2007-01-01 0.781611 55
2007-01-01 0.766152 56
2007-01-01 0.766152 57
2007-02-01 0.705615 55
2007-02-01 0.032134 56
2007-02-01 0.032134 57
2008-01-01 0.026512 55
2008-01-01 0.993124 56
2008-01-01 0.993124 57
2008-02-01 0.226420 55
2008-02-01 0.033860 56
2008-02-01 0.033860 57
我可以使用此答案按标识符对数据进行分组。
by_date = df.groupby(df.index.date)['value'].mean()
2007-01-01 0.771305
2007-02-01 0.256628
2008-01-01 0.670920
2008-02-01 0.098047
现在我想按月做一个盒子图,所以我想我可以按它分组:
new_df = pd.DataFrame()
new_df['value'] = by_date
by_month = by_date.groupby(by_date.index.month)
aa = by_month.groupby(lambda x: x.month)
aa.boxplot(subplots=False)
如何在没有虚拟数据帧的情况下创建此箱图?
为了让groupby返回df而不是Series,请使用double subsription [[]]
:
by_date = df.groupby(df.index.date)[['value']].mean()
然后,这允许您按月分组并生成箱线图:
by_month = by_date.groupby(by_date.index.month)
by_month.boxplot(subplots=False)
使用double subsription是一个微妙的功能,这一点并不是很明显,通常做df[col]
会返回一列,但我们知道传递列表col_list
会返回一个df: df[col_list]
,当扩展时它是与df[[col_a, col_b]]
相同df[[col_a, col_b]]
这导致我们可以返回一个df的结论,如果我们执行以下操作: df[[col_a]]
因为我们已经传递了一个包含单个元素的列表,这不是与df[col_a]
相同,我们传递了一个标签来执行列索引。
在日期执行groupby时,您将索引从Timestamp转换为datetime.date。
>>> type(df.index[0])
pandas.tslib.Timestamp
>>> type(by_date.index[0])
datetime.date
如果将索引转换为“期间”,则可以轻松地进行分组。
df.index = pd.DatetimeIndex(by_date.index).to_period('M')
>>> df.groupby(df.index).value.sum()
2007-01-01 2.313915
2007-02-01 0.769883
2008-01-01 2.012760
2008-02-01 0.294140
Name: value, dtype: float64
声明:本站的技术帖子网页,遵循CC BY-SA 4.0协议,如果您需要转载,请注明本站网址或者原文地址。任何问题请咨询:yoyou2525@163.com.