Question

假设我的数据框的索引为月度时间步长，我知道我可以使用dataframe.groupby(lambda x:x.year)将每月数据分组到每年并应用其他操作。有没有什么方法可以快速分组，让我们说十年？

感谢任何提示。

Answer 1

要获得十年，您可以将年份整数除以10，然后乘以10.例如，如果您从

开始

>>> dates = pd.date_range('1/1/2001', periods=500, freq="M")
>>> df = pd.DataFrame({"A": 5*np.arange(len(dates))+2}, index=dates)
>>> df.head()
             A
2001-01-31   2
2001-02-28   7
2001-03-31  12
2001-04-30  17
2001-05-31  22

你可以像往常一样按年份分组（这里我们有一个DatetimeIndex所以这很容易）：

>>> df.groupby(df.index.year).sum().head()
         A
2001   354
2002  1074
2003  1794
2004  2514
2005  3234

或者你可以做(x//10)*10把戏：

>>> df.groupby((df.index.year//10)*10).sum()
           A
2000   29106
2010  100740
2020  172740
2030  244740
2040   77424

如果您没有可以使用.year的内容，您仍然可以lambda x: (x.year//10)*10)。

Answer 2

使用index的年份属性：

df.groupby(df.index.year)

Answer 3

假设您的日期列的名称为Date，那么您可以将其分组

<强> dataframe.set_index('Date').ix[:,0].resample('10AS', how='count')

注意：ix - 此处选择数据框中的第一列

你得到各种补偿： http://pandas.pydata.org/pandas-docs/stable/timeseries.html#offset-aliases

Answer 4

如果您的数据框具有标题，请说：DataFrame ['Population','Salary','vehicle count']

将索引设为年份：DataFrame=DataFrame.set_index('Year')

使用下面的代码在10年的十年中对数据进行重新采样，还为您提供了该十年中的所有其他列

datafame=dataframe.resample('10AS').sum()

大熊猫数据集团年度指数十年

4 个答案: