Question

我有以下DataFrame：

df = pd.DataFrame({
'Buyer': 'Carl Mark Carl Joe Joe Carl'.split(),
'Quantity': [1,3,5,8,9,3],
'Date' : [
    DT.datetime(2013,9,1,13,0),
    DT.datetime(2013,9,1,13,5),
    DT.datetime(2013,10,1,20,0),
    DT.datetime(2013,10,3,10,0),
    DT.datetime(2013,12,2,12,0),                                      
    DT.datetime(2013,12,2,14,0),
    ]})

df = df.set_index('Date', drop=False)

使用以下功能：

def f(frame):
    cum_sum = 0
    if (len(frame) > 0):
        cum_sum = frame.Quantity.sum()
    frame['cum_sum'] = cum_sum
    return frame

x1 = df.groupby(pd.TimeGrouper('20M')).apply(f)

我得到了输出

                     Buyer                Date  Quantity  cum_sum
Date                                                                  
2013-09-01 13:00:00  Carl 2013-09-01 13:00:00         1       4
2013-09-01 13:05:00  Mark 2013-09-01 13:05:00         3       4    
2013-10-01 20:00:00  Carl 2013-10-01 20:00:00         5      25
2013-10-03 10:00:00  Joe  2013-10-03 10:00:00         8      25
2013-12-02 12:00:00  Joe  2013-12-02 12:00:00         9      25
2013-12-02 14:00:00  Carl 2013-12-02 14:00:00         3      25

前两行的cum_sum不是25，这怎么可能？如果我在TimeGrouper函数中使用'A'作为年度量词，前两行的cum_sum是否正确计算？

谢谢

安迪

Answer 1

你需要将closed='left'添加到时间分组器，否则它将不包括第一个bin（因此它在不同的组中），和btw ...函数中的拼写错误：cum_sum而不是sum_sum

(Pdb) df.groupby(TimeGrouper('20M',closed='left')).apply(f)
                    Buyer                Date  Quantity  cum_sum
Date                                                            
2013-09-01 13:00:00  Carl 2013-09-01 13:00:00         1       29
2013-09-01 13:05:00  Mark 2013-09-01 13:05:00         3       29
2013-10-01 20:00:00  Carl 2013-10-01 20:00:00         5       29
2013-10-03 10:00:00   Joe 2013-10-03 10:00:00         8       29
2013-12-02 12:00:00   Joe 2013-12-02 12:00:00         9       29
2013-12-02 14:00:00  Carl 2013-12-02 14:00:00         3       29

熊猫：TimeGrouper频率不匹配

1 个答案: