將日期索引 dtype 從 object 更改為 datetime 以進行月度可視化

Question

我正在研究一個看起來像這樣的數據集

Index Month Day Year    Temperature in Fahrenheit
0      1    1   2000    77.8
1      1    2   2000    79.3
2      1    3   2000    78.6
3      1    4   2000    78.6
4      1    5   2000    81.1
...   ...   ... ... ...
7299   12   27  2019    79.3
7300   12   28  2019    80.7
7301   12   29  2019    80.1
7302   12   30  2019    77.5
7303   12   31  2019    74.3

列的類型如下：

Month int64
Day   int64
Year  int64
Temperature in Fahrenheit float64.

現在，問題陳述是我想將此數據轉換為月度數據，取該月日的平均值。 一個片段如下所示

Date
2000-01    78.241935
2000-02    76.510345
2000-03    80.496774
2000-04    84.100000
2000-05    84.841935
             ...    
2019-08    82.912903
2019-09    81.620000
2019-10    84.287097
2019-11    84.236667
2019-12    81.635484

我希望日期索引（現在是對象類型）的格式為日期時間，以便我可以每月正確地可視化它們。

先感謝您。

Answer 1

pd.to_datetime

idx = pd.to_datetime(df[['Month', 'Day', 'Year']])
vals = df['Temperature in Fahrenheit'].to_numpy()

pd.Series(vals, idx)

2000-01-01    77.8
2000-01-02    79.3
2000-01-03    78.6
2000-01-04    78.6
2000-01-05    81.1
2019-12-27    79.3
2019-12-28    80.7
2019-12-29    80.1
2019-12-30    77.5
2019-12-31    74.3
dtype: float64

您可以通過resample來跟進

pd.Series(vals, idx).resample('M').mean()

Answer 2

另一種方式，可能不如@piRSquared 短

強制將月、日和年轉換為字符串

df[['Month', 'Day', 'Year']]=df.iloc[:, 1:-1].apply(lambda x: x.astype(str))

連接日、月和年並強制轉換為日期時間

df['Date']=pd.to_datetime(df.pop('Day').str.cat([df.pop('Month'),df.pop('Year')], sep=' '))

分組日期和平均值

df.set_index('Date', inplace=True)#Set Date as index
df.groupby(df.index.date).agg(TemperatureinFahrenheit= ('TemperatureinFahrenheit','mean'))#Groupby date and mean

Answer 3

只是另一種方法：

data=df.groupby(['Year','Month']).apply(lambda x:x['Temperature in Fahrenheit'].sum()).reset_index()
data['Date']=data['Year']+'-'+data['Month']
data.drop(columns=['Year','Month'],inplace=True)
data['Date']=pd.to_datetime(data['Date'],format='%Y-%-m')