Question

我有一个pandas数据框，其中包含Month的多索引，然后是Day，然后是一列数据值，如下所示：

你明白了。我已经把月份和日期分组了。我想创建一个新的列，将Month-Date格式化在一起。但似乎无法弄明白。期望的输出看起来像这样：

M-D Data 
1-01 6
1-02 10
1-03 11
1-04 14
1-05 50

有人能为此提供最佳解决方案吗？注意：我之前使用以下代码创建了索引，也许我需要回去做一些重组？我把它作为一个多索引，以便我可以找到min（）值。最初的“月”和“日”列在10年的时间内有月和日，我只需要10年的最小值，因此groupby（）。

dframe['Date'] = pd.to_datetime(dframe['Date'])
dframe['Month'], dframe['Day'] = dframe['Date'].dt.month, 
dframe['Date'].dt.day
finaldf = dframe.groupby(['Month','Day'])['Data_Value'].min()
df = pd.DataFrame(finaldf)

提前致谢！

Answer 1

如果您需要将月份和日期格式化为m-d，那么不要将它们与开头分开是一种更合理的方法，例如，您可以将 Date 列格式化为{ {1}}，按此变量分组并执行所需的聚合：

%m-%d

一个简短的例子：

dframe.groupby(pd.to_datetime(dframe['Date']).dt.strftime('%m-%d'))['Data_Value'].min()

Answer 2

我会接受@ Psidom的建议。但是，要解决被问到的问题：
我使用format

df.assign(**{'M-D': df.index.map('{0[0]}-{0[1]}'.format).rename('M-D')})

      Data   M-D
1  1     6   1-1
   2    10   1-2
   3    11   1-3
   4    12   1-4
   5    50   1-5
12 1     3  12-1
   2     4  12-2
   3    10  12-3
   4    11  12-4

设置

df = pd.DataFrame(dict(
    Data=[6, 10, 11, 12, 50, 3, 4, 10, 11],
), [[1] * 5 + [12] * 4, list(range(1, 6)) + list(range(1, 5))])

Answer 3

使用multiIndex有点棘手，我不确定这是非常有效的，但它确实有效：

df["M-D"] = [str(df.index[i][0])+'-'+str(df.index[i][1]) for i in range(len(df))]

它给出了以下结果：

In[143]: df.head()
Out[143]: 
           Open New_date
Month Day               
1     1    9597      1-1
      2    9370      1-2
      3    9365      1-3
      4    9766      1-4
      5    9446      1-5

Pandas Multiindex为单日格式的单列

3 个答案: