Question

我有一个由（STK_ID，RPT_Date）索引的数据框“RPT”，包含每个分配器的累计销售量：

                       sales
STK_ID  RPT_Date
000876  20060331      798627000
        20060630     1656110000
        20060930     2719700000
        20061231     3573660000
        20070331      878415000
        20070630     2024660000
        20070930     3352630000
        20071231     4791770000
600141  20060331      270912000
        20060630      658981000
        20060930     1010270000
        20061231     1591500000
        20070331      319602000
        20070630      790670000
        20070930     1250530000
        20071231     1711240000

我想通过STK_ID＆amp; amp;来计算使用'groupby'的单个销售额。 RPT_Yr，例如：RPT.groupby('STK_ID','RPT_Yr')['sales'].transform(lambda x: x-x.shift(1))，怎么做？

假设我可以按lambda x : datetime.strptime(x, '%Y%m%d').year

获得年份

Answer 1

这里假设RPT_Data是一个字符串，为什么不使用Datetime？

可以使用函数进行分组，但仅限于非MultiIndex索引。通过重置索引解决此问题，并将'RPT_Date'设置为索引以提取年份（注意：pandas在object和int之间切换为'RPT_Date'的dtype）。

In [135]: year = lambda x : datetime.strptime(str(x), '%Y%m%d').year

In [136]: grouped = RPT.reset_index().set_index('RPT_Date').groupby(['STK_ID', year])

In [137]: for key, df in grouped:
   .....:     print key
   .....:     print df
   .....:
(876, 2006)
          STK_ID       sales
RPT_Date
20060331     876   798627000
20060630     876  1656110000
20060930     876  2719700000
20061231     876  3573660000
(876, 2007)
          STK_ID       sales
RPT_Date
20070331     876   878415000
20070630     876  2024660000
20070930     876  3352630000
20071231     876  4791770000
(600141, 2006)
          STK_ID       sales
RPT_Date
20060331  600141   270912000
20060630  600141   658981000
20060930  600141  1010270000
20061231  600141  1591500000
(600141, 2007)
          STK_ID       sales
RPT_Date
20070331  600141   319602000
20070630  600141   790670000
20070930  600141  1250530000
20071231  600141  1711240000

其他选项是使用tmp列

In [153]: RPT_tmp = RPT.reset_index()

In [154]: RPT_tmp['year'] = RPT_tmp['RPT_Date'].apply(year)

In [155]: grouped = RPT_tmp.groupby(['STK_ID', 'year'])

修改重新组织框架使其更容易。

In [48]: RPT Out[48]: sales STK_ID RPT_Year RPT_Quarter 876 2006 0 798627000 1 1656110000 2 2719700000 3 3573660000 2007 0 878415000 1 2024660000 2 3352630000 3 4791770000 600141 2006 0 270912000 1 658981000 2 1010270000 3 1591500000 2007 0 319602000 1 790670000 2 1250530000 3 1711240000 In [49]: RPT.groupby(level=['STK_ID', 'RPT_Year'])['sales'].apply(sale_per_q) Out[49]: STK_ID RPT_Year RPT_Quarter 876 2006 0 798627000 1 857483000 2 1063590000 3 853960000 2007 0 878415000 1 1146245000 2 1327970000 3 1439140000 600141 2006 0 270912000 1 388069000 2 351289000 3 581230000 2007 0 319602000 1 471068000 2 459860000 3 460710000

Answer 2

尝试

RPT['sales'].groupby([RPT['STK_ID'],RPT['RPT_Yr']]).sum()

^^您需要引用列表中的索引。这对我有用

如何在Pandas中通过多级索引进行'groupby'

2 个答案: