pandas ：将TimeGrouper与另一个Groupby参数结合使用 [英] Pandas: Combine TimeGrouper with another Groupby argument

问题描述

我有以下DataFrame：

  df = pd.DataFrame（{
'Branch'：'AAAAA B'.split（），
'买方'：'Carl Mark Carl Joe Joe Carl'.split（），
'Quantity'：[1,3,5,8,9,3]， 
'日期'：[
 DT.datetime（2013,1,1,13,0），
 DT.datetime（2013,1,1,13,5），
 DT.datetime（2013,10,1,20,0），
 DT.datetime（2013,10,2,10,0），
 DT.datetime（2013,12,2,12 ，0），
 DT.datetime（2013,12,2,14,0），
]}）
 
 from pandas.tseries.resample import TimeGrouper 
  

如何使用TimeGrouper将分组和数据分组为20天？

我以前的所有尝试都失败了，因为我无法将TimeGrouper与groupby函数中的另一个参数组合在一起。

我会非常感谢您的帮助。

谢谢

Andy

解决方案

来自这里的讨论： https://github.com/pydata/pandas/issues/3791

  In [38]：df.set_index（'Date'）。groupby（pd.TimeGrouper（'6M'））。apply（lambda x：x.groupby （'Branch'）。sum（））
出[38]：
数量
分支
 2013-01-31 A 4 
 2014-01-31 A 22 
 B 3 
  

而且有点复杂的问题

  In [55]：def testf（df）：
 ....：if（df ['Buyer'] =='Mark'） .sum（）> 0：
 .... return系列（dict（quantity = df ['Quantity']。sum（），buyer ='mark'））
 ....：return Series（dict数量= df ['Quantity']。sum（）* 100，buyer ='other'））
 ....：
 
在[56]中：df.set_index（'Date '）.groupby（pd.TimeGrouper（'6M'））。apply（lambda x：x.groupby（'Branch'）。apply（testf））
 Out [56]：
买方数量
分行
 2013-01-31 A分4 
 2014-01-31其他2200 
 B其他300 
  

I have the following DataFrame:

df = pd.DataFrame({
'Branch' : 'A A A A A B'.split(),
'Buyer': 'Carl Mark Carl Joe Joe Carl'.split(),
'Quantity': [1,3,5,8,9,3],
'Date' : [
DT.datetime(2013,1,1,13,0),
DT.datetime(2013,1,1,13,5),
DT.datetime(2013,10,1,20,0),
DT.datetime(2013,10,2,10,0),
DT.datetime(2013,12,2,12,0),                                      
DT.datetime(2013,12,2,14,0),
]})

from pandas.tseries.resample import TimeGrouper

How can I group this data by the Branch and on a 20 day period using TimeGrouper?

All my previous attempts failed, because I could not combine TimeGrouper with another argument in the groupby function.

I would deeply appreciate your help.

Thank you

Andy

解决方案

From the discussion here: https://github.com/pydata/pandas/issues/3791

In [38]: df.set_index('Date').groupby(pd.TimeGrouper('6M')).apply(lambda x: x.groupby('Branch').sum())
Out[38]: 
                   Quantity
           Branch          
2013-01-31 A              4
2014-01-31 A             22
           B              3

And a bit more complicated question

In [55]: def testf(df):
   ....:     if (df['Buyer'] == 'Mark').sum() > 0:
   ....:         return Series(dict(quantity = df['Quantity'].sum(), buyer = 'mark'))
   ....:     return Series(dict(quantity = df['Quantity'].sum()*100, buyer = 'other'))
   ....: 

In [56]: df.set_index('Date').groupby(pd.TimeGrouper('6M')).apply(lambda x: x.groupby('Branch').apply(testf))
Out[56]: 
                   buyer quantity
           Branch                
2013-01-31 A        mark        4
2014-01-31 A       other     2200
           B       other      300

这篇关于 pandas ：将TimeGrouper与另一个Groupby参数结合使用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！