web-dev-qa-db-fra.com

pandas groupe de données par mois datetime

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.

pythonpandasdatetimepandas-groupby
64
atomh33ls

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+
124
atomh33ls

(mise à jour: 2018)

Notez que pd.Timegrouper est amorti et sera supprimé. Utilisez à la place:

 df.groupby(pd.Grouper(freq='M'))
48
PandasRocks

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.

5
jpp

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()
3
tsando