大 pandas pivot_table日期 [英] Pandas pivot_table on date

问题描述

我有一个大熊猫 DataFrame 与一个日期列。它不是一个索引。

我想在数据框上使用每个位置的每月的累计汇总数据框。

数据如下所示：

 ['INDEX'] DATE LOCATION COUNT 
 0 2009-01-02 00:00： 00 AAH 1 
 1 2009-01-03 00:00:00 ABH 1 
 2 2009-01-03 00:00:00 AAH 1 
 3 2009-01-03 00:00 ：00 ABH 1 
 4 2009-01-04 00:00:00 ACH 1 

我用过：

pivot_table（cdiff，values ='COUNT'，rows = ['DATE'，'LOCATION']，aggfunc = np.sum） p>

来转动值。我需要一种方式将cdiff.DATE转换为一个月而不是一个日期。
我希望得到如下结果：
数据如下所示：

 
 MONTH LOCATION COUNT 
 1月AAH 2 
 1月ABH 2 
 1月ACH 1 
 

我尝试过各种各样的 strftime 方法在cdiff.DATE没有成功。它想要应用到字符串，而不是串行对象。

解决方案

我会建议：

  months = cdiff.DATE.map（lambda x：x.month）
 pivot_table（cdiff，values ='COUNT'，rows = [months， LOCATION']，
 aggfunc = np.sum）
  

要获取月份名称，不同的功能或使用内置的 calendar.month_name 。要获取所需格式的数据，您应该在结果上调用 reset_index ，或者也可以执行以下操作：

cdiff.groupby（[months，'LOCATION']，as_index = False）.sum（）

I have a pandas DataFrame with a date column. It is not an index.

I want to make a pivot_table on the dataframe using counting aggregate per month for each location.

The data look like this:

['INDEX']                 DATE LOCATION  COUNT
0          2009-01-02 00:00:00      AAH      1
1          2009-01-03 00:00:00      ABH      1
2          2009-01-03 00:00:00      AAH      1
3          2009-01-03 00:00:00      ABH      1
4          2009-01-04 00:00:00      ACH      1

I used:

pivot_table(cdiff, values='COUNT', rows=['DATE','LOCATION'], aggfunc=np.sum)

to pivot the values. I need a way to convert cdiff.DATE to a month rather than a date. I hope to end up with something like: The data look like this:

  
  MONTH LOCATION  COUNT
January      AAH      2
January      ABH      2
January      ACH      1

I tried all manner of strftime methods on cdiff.DATE with no success. It wants to apply the to strings, not series object.

解决方案

I would suggest:

months = cdiff.DATE.map(lambda x: x.month)
pivot_table(cdiff, values='COUNT', rows=[months, 'LOCATION'],
            aggfunc=np.sum)

To get a month name, pass a different function or use the built-in calendar.month_name. To get the data in the format you want, you should call reset_index on the result, or you could also do:

cdiff.groupby([months, 'LOCATION'], as_index=False).sum()

这篇关于大 pandas pivot_table日期的文章就介绍到这了，希望我们推荐的答案对大家有所帮助，也希望大家多多支持IT屋！