Pandas 数据框按日期时间月份分组

问题描述：

考虑一个 CSV 文件：

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

我可以读入它，并将日期列重新格式化为日期时间格式：

b = pd.read_csv('b.dat')
b['date'] = pd.to_datetime(b['date'],format='%m/%d/%y %I:%M%p')

我一直在尝试按月份对数据进行分组。似乎应该有一种明显的方法来访问月份并按月份分组。但我似乎做不到。有人知道怎么做吗？

我目前正在尝试按日期重新编制索引：

b.index = b['date']

我可以像这样访问月份：

b.index.month

然而我似乎找不到按月汇总的功能。

解决方案 1：

成功做到了：

b = pd.read_csv('b.dat')
b.index = pd.to_datetime(b['date'],format='%m/%d/%y %I:%M%p')
b.groupby(by=[b.index.month, b.index.year])

或者

b.groupby(pd.Grouper(freq='M'))  # update for v0.21+

解决方案 2：

（更新：2018 年）

请注意pd.Timegrouper已贬值并将被删除。请改用：

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

解决方案 3：

要按时间序列数据进行分组，可以使用方法resample。例如，按月份分组：

df.resample(rule='M', on='date')['Values'].sum()

您可以在此处找到带有偏移别名的列表。

解决方案 4：

避免 MultiIndex 的一个解决方案是创建一个新datetime列设置 day = 1。然后按此列分组。

标准化月份日期

df = pd.DataFrame({'Date': pd.to_datetime(['2017-10-05', '2017-10-20', '2017-10-01', '2017-09-01']),
                   'Values': [5, 10, 15, 20]})

# normalize day to beginning of month, 4 alternative methods below
df['YearMonth'] = df['Date'] + pd.offsets.MonthEnd(-1) + pd.offsets.Day(1)
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))
df['YearMonth'] = df['Date'].dt.normalize().map(pd.tseries.offsets.MonthBegin().rollback)

然后groupby正常使用：

g = df.groupby('YearMonth')

res = g['Values'].sum()

# YearMonth
# 2017-09-01    20
# 2017-10-01    30
# Name: Values, dtype: int64

比较pd.Grouper

这种解决方案的微妙好处是，与不同pd.Grouper，石斑鱼指数被标准化为每个月的开始get_group而不是结束，因此您可以通过以下方式轻松提取组：

some_group = g.get_group('2017-10-01')

计算十月的最后一天稍微麻烦一些。pd.Grouper从 v0.23 开始，确实支持convention参数，但这仅适用于PeriodIndex石斑鱼。

与字符串转换的比较

上述想法的替代方法是转换为字符串，例如将 datetime 转换2017-10-XX为 string '2017-10'。但是，不建议这样做，因为与一系列字符串（存储为指针数组）datetime相比，您会失去一系列（在内部以数值形式存储在连续内存块中）的所有效率优势object。

解决方案 5：

与@jpp 的解决方案略有不同，但输出一个YearMonth字符串：

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()