假设我有一个索引为每月时间步长的数据框,我知道我可以用来dataframe.groupby(lambda x:x.year)
将每月数据分组为每年并应用其他操作。有什么方法可以快速将它们分组,比如说十年?
感谢您的任何提示。
要获得十年,您可以将年份除以 10,然后乘以 10。例如,如果您从
>>> dates = pd.date_range('1/1/2001', periods=500, freq="M")
>>> df = pd.DataFrame({"A": 5*np.arange(len(dates))+2}, index=dates)
>>> df.head()
A
2001-01-31 2
2001-02-28 7
2001-03-31 12
2001-04-30 17
2001-05-31 22
您可以像往常一样按年份分组(这里我们有一个DatetimeIndex
,所以这很容易):
>>> df.groupby(df.index.year).sum().head()
A
2001 354
2002 1074
2003 1794
2004 2514
2005 3234
或者你可以做到这一点(x//10)*10
:
>>> df.groupby((df.index.year//10)*10).sum()
A
2000 29106
2010 100740
2020 172740
2030 244740
2040 77424
如果您没有可以使用的东西.year
,您仍然可以使用lambda x: (x.year//10)*10)
。
如果您的数据框有标题说:DataFrame ['Population','Salary','vehicle count']
将您的索引设为年份:DataFrame=DataFrame.set_index('Year')
使用下面的代码在 10 年的十年中重新采样数据,并为您提供该 dacade 中的所有其他列
datafame=dataframe.resample('10AS').sum()
使用索引的年份属性:
df.groupby(df.index.year)
假设您的日期列按名称Date
,然后您可以分组
dataframe.set_index('Date').ix[:,0].resample('10AS', how='count')
注意:ix
- 这里选择数据框中的第一列
你得到各种偏移量:http: //pandas.pydata.org/pandas-docs/stable/timeseries.html#offset-aliases