Question

从Reading CSV file in Pandas with historical dates开始，我在表格中有一些CSV数据：

Object,Earliest Date
Object1,01/01/2000
Object2,01/01/1760
Object3,01/01/1520
...

我现在读到了Pandas（使用Period处理历史日期）并创建了一个系列。我试图把这个系列分成几十年，但是期望将期间值加入到表格组中的绊脚石。到目前为止，我已经尝试过（其中s是从from_csv创建的系列）：

def dt_parse(s):
  try:
    d,m,y = s.split('/')
    return pd.Period(year=int(y), month=int(m), day=int(d), freq='D')
  except:
    return pd.NaT
s2 = s['Earliest Date'].apply(dt_parse) #Create Period values
pi = pd.PeriodIndex(s2)
decades = pi.groupby(pd.Grouper(freq="120M")).count()

失败了：

 TypeError: Argument 'labels' has incorrect type (expected numpy.ndarray, got TimeGrouper)

尝试将其分组为一系列：

 decades = s2.groupby(pd.Grouper(freq="120M")).count()

失败了：

 TypeError: Only valid with DatetimeIndex, TimedeltaIndex or PeriodIndex, but got an instance of 'Index'

尝试将其分组为DataFrame：

df = pd.DataFrame(s2)
decades = df.groupby(pd.Grouper(freq="120M", key='Earliest Date')).size()

失败了：

AttributeError: 'Index' object has no attribute 'to_timestamp'

不知道怎么做？！

Answer 1

错误消息和pandas文档将成为您的朋友。

我不知道您的日期列是否包含严格的唯一日期。如果它们是，它是微不足道的，只需将它用作索引，您就可以使用pd.Grouper。否则，请定义您自己的分组功能：

def grouper(ind):
    y = df.loc[ind]['Earliest Date'].year 
    return y - (y % 10)

# I'm assuming that df is the dataframe from pd.read_csv("/path/to/csv")
# and that there's a column named "earliest date" 
# that is a Period or Datetime or something with a year attribute
gb = df.groupby(by=grouper)
print(gb.size())

在Pandas中对Period系列值进行分组

1 个答案: