PandasDataFrame
包含名为"date"
包含非唯一datetime
值的列。我可以使用以下方法对该框架中的行进行分组:
data.groupby(data['date'])
但是,这会按值拆分数据datetime
。我想按存储在“日期”列中的年份对这些数据进行分组。此页面显示在时间戳用作索引的情况下如何按年份分组,在我的情况下并非如此。
我如何实现这个分组?
我正在使用熊猫 0.16.2。这在我的大型数据集上具有更好的性能:
data.groupby(data.date.dt.year)
使用该dt
选项并使用weekofyear
等dayofweek
变得容易得多。
ecatmur 的解决方案可以正常工作。但是,这将在大型数据集上表现更好:
data.groupby(data['date'].map(lambda x: x.year))
使用示例数据集可能更容易解释这一点。
创建示例数据
假设我们有一列 Timestamps,date
而另一列我们想对其执行聚合a
。
df = pd.DataFrame({'date':pd.DatetimeIndex(['2012-1-1', '2012-6-1', '2015-1-1', '2015-2-1', '2015-3-1']),
'a':[9,5,1,2,3]}, columns=['date', 'a'])
df
date a
0 2012-01-01 9
1 2012-06-01 5
2 2015-01-01 1
3 2015-02-01 2
4 2015-03-01 3
有几种按年份分组的方法
year
属性一起使用date
索引并使用匿名函数访问年份resample
方法.dt
year
有财产的访问者当您有一列(而不是索引)熊猫时间戳时,您可以使用访问器访问更多额外的属性和方法dt
。例如:
df['date'].dt.year
0 2012
1 2012
2 2015
3 2015
4 2015
Name: date, dtype: int64
我们可以使用它来形成我们的组并计算特定列上的一些聚合:
df.groupby(df['date'].dt.year)['a'].agg(['sum', 'mean', 'max'])
sum mean max
date
2012 14 7 9
2015 6 2 3
如果将日期列设置为索引,它将成为具有与dt
访问器提供普通列相同的属性和方法的 DateTimeIndex
df1 = df.set_index('date')
df1.index.year
Int64Index([2012, 2012, 2015, 2015, 2015], dtype='int64', name='date')
有趣的是,当使用 groupby 方法时,您可以向它传递一个函数。此函数将隐式传递 DataFrame 的索引。因此,我们可以从上面得到相同的结果,如下所示:
df1.groupby(lambda x: x.year)['a'].agg(['sum', 'mean', 'max'])
sum mean max
2012 14 7 9
2015 6 2 3
resample
方法如果您的日期列不在索引中,则必须使用on
参数指定该列。您还需要将偏移别名指定为字符串。
df.resample('AS', on='date')['a'].agg(['sum', 'mean', 'max'])
sum mean max
date
2012-01-01 14.0 7.0 9.0
2013-01-01 NaN NaN NaN
2014-01-01 NaN NaN NaN
2015-01-01 6.0 2.0 3.0
您还可以将日期列转换为 pandas Period 对象。我们必须将偏移别名作为字符串传递来确定 Period 的长度。
df['date'].dt.to_period('A')
0 2012
1 2012
2 2015
3 2015
4 2015
Name: date, dtype: object
然后我们可以将其用作一个组
df.groupby(df['date'].dt.to_period('Y'))['a'].agg(['sum', 'mean', 'max'])
sum mean max
2012 14 7 9
2015 6 2 3
这应该有效:
data.groupby(lambda x: data['date'][x].year)
这也可以
data.groupby(data['date'].dt.year)
采用:
data.groupby(['col1', data.date.dt.year]).agg({'col2': 'agg_func'}).reset_index()
如果您想从日期时间列和另一个不同类型的列(col1)按年份分组