如何按日期和时间对熊猫数据框进行分组？
在本文中，我们将讨论如何根据熊猫中的日期和时间按数据框分组。我们将看到按年、月、日等对时间序列数据帧进行分组的方法。此外，我们还将看到按时间对象(如分钟)分组的方法。
Pandas GroupBy 允许我们为一个对象指定 GroupBy 指令。该指定指令将通过 grouper 函数的关键参数以及级别和/或轴参数(如果给定)选择一列，目标对象/列的索引级别。
语法:熊猫。群组(键=无，级别=无，频率=无，轴=0，排序=假)
下面是一些例子，描述了如何使用熊猫石斑鱼类根据日期和时间按数据帧分组。
例 1: 按月分组
Python 3
# importing modules
import pandas as pd
# creating a dataframe df
df = pd.DataFrame(
{
"Date": [
pd.Timestamp("2000-11-02"),
pd.Timestamp("2000-01-02"),
pd.Timestamp("2000-01-09"),
pd.Timestamp("2000-03-11"),
pd.Timestamp("2000-01-26"),
pd.Timestamp("2000-02-16")
],
"ID": [1, 2, 3, 4, 5, 6],
"Price": [140, 120, 230, 40, 100, 450]
}
)
# show df
display(df)
# applying the groupby function on df
df.groupby(pd.Grouper(key='Date', axis=0,
freq='M')).sum()
输出:
在上面的示例中，数据框按日期列分组。由于我们已经提供了 freq = 'M '的意思是月，所以数据是按月分组的，直到每个月的最后一天，并提供了价格总和栏。我们没有提供所有月份的值，那么 groupby 函数也会显示所有月份的数据，并为其他月份分配值 0。
例 2: 分组天数
Python 3
# importing modules
import pandas as pd
# creating a dataframe df
df = pd.DataFrame(
{
"Date": [
pd.Timestamp("2000-11-02"),
pd.Timestamp("2000-01-02"),
pd.Timestamp("2000-01-09"),
pd.Timestamp("2000-03-11"),
pd.Timestamp("2000-01-26"),
pd.Timestamp("2000-02-16")
],
"ID": [1, 2, 3, 4, 5, 6],
"Price": [140, 120, 230, 40, 100, 450]
}
)
# display dataframe
display(df)
# applying groupby
df.groupby(pd.Grouper(key='Date', axis=0,
freq='2D', sort=True)).sum()
版权属于：月萌API www.moonapi.com，转载请注明出处
