Considérons un fichier csv:
string,date,number
a string,2/5/11 9:16am,1.0
a string,3/5/11 10:44pm,2.0
a string,4/22/11 12:07pm,3.0
a string,4/22/11 12:10pm,4.0
a string,4/29/11 11:59am,1.0
a string,5/2/11 1:41pm,2.0
a string,5/2/11 2:02pm,3.0
a string,5/2/11 2:56pm,4.0
a string,5/2/11 3:00pm,5.0
a string,5/2/14 3:02pm,6.0
a string,5/2/14 3:18pm,7.0
Je peux lire ceci et reformater la colonne de date au format datetime:
b=pd.read_csv('b.dat')
b['date']=pd.to_datetime(b['date'],format='%m/%d/%y %I:%M%p')
J'ai essayé de regrouper les données par mois. Il semble qu'il devrait exister un moyen évident d'accéder au mois et de le regrouper. Mais je n'arrive pas à le faire. Est-ce que quelqu'un sait comment?
Ce que je suis en train d’essayer, c’est la réindexation par date:
b.index=b['date']
Je peux accéder au mois comme ça:
b.index.month
Cependant, je n'arrive pas à trouver une fonction à regrouper par mois.
Réussi à le faire:
b=pd.read_csv('b.dat')
b.groupby(by=[b.index.month, b.index.year])
Ou
b.groupby(pd.Grouper(freq='M')) # update for v0.21+
(mise à jour: 2018)
Notez que pd.Timegrouper
est amorti et sera supprimé. Utilisez à la place:
df.groupby(pd.Grouper(freq='M'))
Une solution qui évite MultiIndex consiste à créer un nouveau datetime
jour de définition de colonne = 1. Ensuite, groupez par cette colonne. Exemple trivial ci-dessous.
df = pd.DataFrame({'Date': pd.to_datetime(['2017-10-05', '2017-10-20']),
'Values': [5, 10]})
# normalize day to beginning of month
df['YearMonth'] = df['Date'] + pd.offsets.MonthBegin(1)
# two alternative methods
df['YearMonth'] = df['Date'] - pd.to_timedelta(df['Date'].dt.day-1, unit='D')
df['YearMonth'] = df['Date'].map(lambda dt: dt.replace(day=1))
g = df.groupby('YearMonth')
res = g['Values'].sum()
# YearMonth
# 2017-10-01 15
# Name: Values, dtype: int64
L'avantage subtil de cette solution est, contrairement à pd.Grouper
, l’indice de groupe est normalisé au début de chaque mois plutôt qu’à la fin; vous pouvez donc extraire facilement les groupes via get_group
:
some_group = g.get_group('2017-10-01')
Le calcul du dernier jour d'octobre est légèrement plus lourd. pd.Grouper
, à partir de la version 0.23, prend en charge un paramètre convention
, mais cela ne s'applique que pour un groupeur PeriodIndex
.
Solution légèrement alternative à @ jpp, mais avec une chaîne YearMonth
:
df['YearMonth'] = pd.to_datetime(df['Date']).apply(lambda x: '{year}-{month}'.format(year=x.year, month=x.month))
res = df.groupby('YearMonth')['Values'].sum()