J'ai un df de trame de données qui est comme suit:
| date | Revenue |
|-----------|---------|
| 6/2/2017 | 100 |
| 5/23/2017 | 200 |
| 5/20/2017 | 300 |
| 6/22/2017 | 400 |
| 6/21/2017 | 500 |
J'ai besoin de regrouper les données ci-dessus par mois pour obtenir la sortie en tant que:
| date | SUM(Revenue) |
|------|--------------|
| May | 500 |
| June | 1000 |
J'ai essayé ce code mais cela n'a pas fonctionné:
df.groupby(month('date')).agg({'Revenue': 'sum'})
Je veux utiliser uniquement Pandas ou Numpy et aucune bibliothèque supplémentaire
essaye ça:
In [6]: df['date'] = pd.to_datetime(df['date'])
In [7]: df
Out[7]:
date Revenue
0 2017-06-02 100
1 2017-05-23 200
2 2017-05-20 300
3 2017-06-22 400
4 2017-06-21 500
In [59]: df.groupby(df['date'].dt.strftime('%B'))['Revenue'].sum().sort_values()
Out[59]:
date
May 500
June 1000
Essayez un groupe en utilisant un pandas Grouper :
df = pd.DataFrame({'date':['6/2/2017','5/23/2017','5/20/2017','6/22/2017','6/21/2017'],'Revenue':[100,200,300,400,500]})
df.date = pd.to_datetime(df.date)
dg = df.groupby(pd.Grouper(key='date', freq='1M')).sum() # groupby each 1 month
dg.index = dg.index.strftime('%B')
Revenue
May 500
June 1000
Pour DataFrame avec plusieurs lignes, l'utilisation de strftime
prend plus de temps. Si la colonne de date a déjà un dtype de datetime64[ns]
(Peut utiliser pd.to_datetime()
pour convertir, ou spécifier parse_dates
Lors de l'importation csv, etc.), on peut accéder directement à la propriété datetime pour groupby
labels (Méthode 3). L'accélération est substantielle.
import numpy as np
import pandas as pd
T = pd.date_range(pd.Timestamp(0), pd.Timestamp.now()).to_frame(index=False)
T = pd.concat([T for i in range(1,10)])
T['revenue'] = pd.Series(np.random.randint(1000, size=T.shape[0]))
T.columns.values[0] = 'date'
print(T.shape) #(159336, 2)
print(T.dtypes) #date: datetime64[ns], revenue: int32
%timeit -n 10 -r 7 T.groupby(T['date'].dt.strftime('%B'))['revenue'].sum()
1,47 s ± 10,1 ms par boucle (écart moyen ± standard de 7 passages, 10 boucles chacun)
%timeit -n 10 -r 7 T.groupby(pd.Grouper(key='date', freq='1M')).sum()
#NOTE Manually map months as integer {01..12} to strings
56,9 ms ± 2,88 ms par boucle (moyenne ± écart standard de 7 pistes, 10 boucles chacune)
%timeit -n 10 -r 7 T.groupby(T['date'].dt.month)['revenue'].sum()
#NOTE Manually map months as integer {01..12} to strings
34 ms ± 3,34 ms par boucle (moyenne ± écart standard de 7 pistes, 10 boucles chacune)