Вы можете использовать следующий базовый синтаксис для группировки строк по месяцам в кадре данных pandas:
df.groupby (df.your_date_column.dt.month )['values_column']. sum ()
Эта конкретная формула группирует строки по дате в your_date_column и вычисляет сумму значений для values_column в DataFrame.
Обратите внимание, что функция dt.month() извлекает месяц из столбца даты в pandas.
В следующем примере показано, как использовать этот синтаксис на практике.
Пример: как сгруппировать по месяцам в Pandas
Предположим, у нас есть следующий кадр данных pandas, который показывает продажи, сделанные какой-либо компанией в разные даты:
import pandas as pd
#create DataFrame
df = pd.DataFrame({'date ': pd.date_range (start='1/1/2020', freq='W', periods= 10 ),
'sales': [6, 8, 9, 11, 13, 8, 8, 15, 22, 9],
'returns': [0, 3, 2, 2, 1, 3, 2, 4, 1, 5]})
#view DataFrame
print(df)
date sales returns
0 2020-01-05 6 0
1 2020-01-12 8 3
2 2020-01-19 9 2
3 2020-01-26 11 2
4 2020-02-02 13 1
5 2020-02-09 8 3
6 2020-02-16 8 2
7 2020-02-23 15 4
8 2020-03-01 22 1
9 2020-03-08 9 5
Связанный: Как создать диапазон дат в Pandas
Мы можем использовать следующий синтаксис для расчета суммы продаж, сгруппированных по месяцам:
#calculate sum of sales grouped by month
df.groupby (df.date.dt.month )['sales']. sum ()
date
1 34
2 44
3 31
Name: sales, dtype: int64
Вот как интерпретировать вывод:
- Общий объем продаж за первый месяц (январь) составил 34 .
- Общий объем продаж за второй месяц (февраль) составил 44 .
- Общий объем продаж за 3-й месяц (март) составил 31 .
Мы можем использовать аналогичный синтаксис для вычисления максимальных значений продаж, сгруппированных по месяцам:
#calculate max of sales grouped by month
df.groupby (df.date.dt.month )['sales']. max ()
date
1 11
2 15
3 22
Name: sales, dtype: int64
Мы можем использовать аналогичный синтаксис для вычисления любого значения, которое мы хотели бы сгруппировать по значению месяца в столбце даты.
Примечание.Полную документацию по операции GroupBy в pandas можно найти здесь .
Дополнительные ресурсы
В следующих руководствах объясняется, как выполнять другие распространенные операции в pandas:
Pandas: как рассчитать совокупную сумму по группе
Pandas: как подсчитать уникальные значения по группам
Pandas: как рассчитать корреляцию по группе