熊猫Goup和重命名DataFrame列名称

Question

使用Zillow的房屋价值数据，我的数据框具有一系列列名称，格式为yyyy-mm，例如

2001-01|2000-02|2000-03|2000-04|...|2016-08

这些列中的每一列都包含该时期内许多城市，州组合的平均房屋价值

RegionName      State 2000-01  2000-02  2000-03
Philadelphia    PA    53100    53200    53400

我需要对列进行分组，但将它们各自的四分之一分组，提供平均值并将其返回到新的数据框。 因此，对于所提供的示例，我将具有以下内容

RegionName     State 2000q1     2000q2 2000q3 2000q4
Philadelphia   PA    53233.33   ...    ...    ...

我不知道如何开始解决这个问题。 我能够提取列名称，获取最后两个字符，然后将它们映射到包含四分之一数字的字典中，仅此而已。 不确定如何重组数据

任何帮助是极大的赞赏

Answer 1

这类似于MaxU的回答 ，但显示的方式既 GROUPBY日期列和非日期栏（ RegionName ， State ）。

import numpy as np
import pandas as pd
df = pd.DataFrame({'2000-01': [53100], '2000-02': [53200], '2000-03': [53400], 'RegionName': ['Philadelphia'], 'State': ['PA']})

melted = pd.melt(df, id_vars=['RegionName', 'State'], var_name='date')
melted['date'] = pd.PeriodIndex(melted['date'], freq='Q')
result = melted.groupby(['RegionName', 'State', 'date']).mean()
result = result['value'].unstack('date')

产量

date                2000Q1
RegionName   State        
Philadelphia PA      53233

---

首先，使用pd.melt将所有日期列合并为一个列：

import numpy as np
import pandas as pd
df = pd.DataFrame({'2000-01': [53100], '2000-02': [53200], '2000-03': [53400], 'RegionName': ['Philadelphia'], 'State': ['PA']})

melted = pd.melt(df, id_vars=['RegionName', 'State'], var_name='date')
#      RegionName State     date  value
# 0  Philadelphia    PA  2000-01  53100
# 1  Philadelphia    PA  2000-02  53200
# 2  Philadelphia    PA  2000-03  53400

接下来，使用pd.PeriodIndex将日期（字符串？）转换为pd.Period 。 注意， pd.PeriodIndex可以将不同的日期字符串转换为相同的Period：

melted['date'] = pd.PeriodIndex(melted['date'], freq='Q')
#      RegionName State   date  value
# 0  Philadelphia    PA 2000Q1  53100
# 1  Philadelphia    PA 2000Q1  53200
# 2  Philadelphia    PA 2000Q1  53400

最后，使用groupby/mean将具有相同RegionName ， State和date行分组在一起，并计算每个组的平均值：

result = melted.groupby(['RegionName', 'State', 'date']).mean()
#                            value
# RegionName   State date         
# Philadelphia PA    2000Q1  53233

如果在此停止，则您的DataFrame将整齐（PDF） -每行代表一个“观察”。 这通常是进行进一步计算的最佳形式。 （并非偶然地，此解决方案的第一步是将原始DataFrame转换为整齐的格式-注意， melted的属性还具有每一行代表一个观察值的特性。）

但是，如果您愿意，可以将date索引级别移动到单独的列中：

result = result['value'].unstack('date')