3

我有一个数据框：

<class 'pandas.core.frame.DataFrame'>
DatetimeIndex: 982 entries, 2009-10-30 00:00:00 to 2012-12-16 00:00:00
Data columns (total 4 columns):
rain        981  non-null values
temp_max    982  non-null values
temp_min    982  non-null values
temp        982  non-null values
dtypes: float64(4)

对于每年/每月的求和，我使用：

mdata = data.groupby([lambda x: x.year, lambda x: x.month]).agg([sum])

但我需要季节性分析（夏季、冬季等），那么我如何创建特定月份的总和，如每年的 [1 ,2 ,3]？

泰

4

1 回答 1

3

是的，对我来说似乎很简洁的一种解决方案是使用 Seasons 字典，然后使用函数对数据进行分组。作为组键传递的任何函数每个索引值调用一次，返回值用作组名称。

import pandas as pd
import numpy as np
from pandas import DataFrame
import datetime
# Create a year's worth of data
base = datetime.date.today() - datetime.timedelta(365)
Datelist = [base + datetime.timedelta(days = x) for x in range(365)]
DF = DataFrame(np.random.rand(365), index = Datelist)

# Create a Seasonal Dictionary that will map months to seasons
SeasonDict = {11: 'Winter', 12: 'Winter', 1: 'Winter', 2: 'Spring', 3: 'Spring', 4: 'Spring', 5: 'Summer', 6: 'Summer', 7: 'Summer', \
8: 'Autumn', 9: 'Autumn', 10: 'Autumn'}

# Write a function that will be used to group the data
def GroupFunc(x):
    return SeasonDict[x.month]

# Call the function with the groupby operation. 
Grouped = DF.groupby(GroupFunc)
Grouped.sum()

该函数获取每个索引值并在季节字典中查找月份并返回与月份键对应的值。该值随后成为组名。

或者，您可以使用示例中的 lambda（这更有效，但我认为上面的内容更容易理解）：

DF.groupby(lambda x: SeasonDict[x.month]).sum()

评论中的附加代码在我看来，您最好对数据进行切片。所以你可以做以下

DF['Season'] = ""
for row in DF.index:
    DF.Season[row] = SeasonDict[row.month]
DFWinter = DF[DF.Season == 'Winter']

现在您有了一个包含冬季数据的新数据框，可以随意使用。不同之处在于 groupby 操作允许您对所有数据执行相同的操作，而听起来您想以不同的方式调查数据集不同部分的属性。为此，最好进行切片，在这种情况下使用布尔切片。

于 2013-10-27T07:58:20.080 回答