Question

我想查看TimeSeries中不同时段的每个客户的Pandas数据。

import pandas as pd
import numpy as np
import random
clients = np.random.randint(1, 11, size=100)
dates = pd.date_range('20130101',periods=365)
OrderDates = random.sample(dates,100)
Values = np.random.randint(10, 250, size=100)


df = pd.DataFrame({ 'Client' : clients,'OrderDate' : OrderDates, 'Value' : Values})

df = df.sort(['OrderDate', 'Client'], ascending=['True', 'True'])

df.head()

我想要实现的是获取“值”列的计数和总和，按“客户”分组各个时间段（每月，每季度，每年 - 我可能会为此数据构建3个不同的数据帧，然后使数据帧'宽'）。

对于季度，我会期待这样的事情：

Client      OrderDate       NumberofEntries SumofValues
1           2013-03-31      7               28
1           2013-06-30      2               7
1           2013-09-30      6               20
1           2013-12-31      1               3
2           2013-03-31      1               4
2           2013-06-30      2               8
2           2013-09-30      3               17
2           2013-12-31      4               24

我可以通过获取每个条目（或月份或年份）的季度来附加该数据框，然后使用Pandas groupby函数，但这似乎是我应该使用时的额外工作TimeSeries。

我已阅读文档并审核了Wes的TimeSeries演示文稿，但我看不到为客户端执行groupby的方法，然后执行TimeSeries我正在尝试构建的时间段（或者 - 我可以运行for loop并以这种方式构建数据框，但是再次 - 似乎比应该更多的工作。）

有没有办法将groupby流程与TimeSeries合并？

Answer 1

在执行groupby之前，set_index只有一点点替代方法：

In [11]: df.set_index('OrderDate', inplace=True)

In [12]: g = df.groupby('Client')

In [13]: g['Value'].resample('Q', how=[np.sum, len])
Out[13]: 
                   sum  len
Client OrderDate           
1      2013-03-31  239    1
       2013-06-30   83    1
       2013-09-30  249    2
       2013-12-31  506    3
2      2013-03-31  581    4
       2013-06-30  569    4
       2013-09-30  316    4
       2013-12-31  465    5
...

注意：在执行此操作之前，您无需进行排序。

Answer 2

这样的东西？我是先做一个groupby，然后在每个组上应用重新采样。

In [11]: grouped = df.groupby('Client')

In [12]: result = grouped.apply(lambda x: x.set_index('OrderDate').resample('Q', how=[np.sum, len]))

In [13]: result['Value']
Out[13]: 
                    sum  len
Client OrderDate            
1      2013-03-31   227    4
       2013-06-30   344    2
       2013-09-30   234    1
2      2013-03-31   299    2
       2013-06-30   538    4
       2013-09-30   236    2
       2013-12-31  1124    7
3      2013-03-31   496    4
       2013-06-30   NaN    0
       2013-09-30   167    2
       2013-12-31   218    1

更新：根据@AndyHayden在他的回答中提出的建议，这会变得更加清晰：

df = df.set_index('OrderDate')
grouped = df.groupby('Client')
grouped['Value'].resample('Q', how=[np.sum, len])

时间序列与熊猫的groupby

2 个答案: