Question

使用Zillow的住房价值数据，我的数据框有一系列yyyy-mm形式的列名，例如

2001-01|2000-02|2000-03|2000-04|...|2016-08

这些列中的每一列都包含许多城市，州组合的该期间的平均房屋价值

RegionName      State 2000-01  2000-02  2000-03
Philadelphia    PA    53100    53200    53400

我需要对列进行分组，但是它们各自的四分之一，提供一个平均值并将其返回到新的数据帧。因此，对于提供的示例，我将具有类似以下内容

RegionName     State 2000q1     2000q2 2000q3 2000q4
Philadelphia   PA    53233.33   ...    ...    ...

我不知道如何开始解决这个问题。我可以拉出列名，获取最后两个字符，并将它们映射到包含季度数字的字典，但就是这样。不确定如何重新组装数据

非常感谢任何帮助

Answer 1

这类似于MaxU's answer，但展示了一种方法，可以将日期列和分组为非日期列（RegionName， State）。

import numpy as np
import pandas as pd
df = pd.DataFrame({'2000-01': [53100], '2000-02': [53200], '2000-03': [53400], 'RegionName': ['Philadelphia'], 'State': ['PA']})

melted = pd.melt(df, id_vars=['RegionName', 'State'], var_name='date')
melted['date'] = pd.PeriodIndex(melted['date'], freq='Q')
result = melted.groupby(['RegionName', 'State', 'date']).mean()
result = result['value'].unstack('date')

产量

date                2000Q1
RegionName   State        
Philadelphia PA      53233

首先，使用pd.melt将所有日期列合并为一列：

import numpy as np
import pandas as pd
df = pd.DataFrame({'2000-01': [53100], '2000-02': [53200], '2000-03': [53400], 'RegionName': ['Philadelphia'], 'State': ['PA']})

melted = pd.melt(df, id_vars=['RegionName', 'State'], var_name='date')
#      RegionName State     date  value
# 0  Philadelphia    PA  2000-01  53100
# 1  Philadelphia    PA  2000-02  53200
# 2  Philadelphia    PA  2000-03  53400

接下来，使用pd.PeriodIndex将日期（字符串？）转换为pd.Period s。请注意，pd.PeriodIndex可以将不同的日期字符串转换为相同的句点：

melted['date'] = pd.PeriodIndex(melted['date'], freq='Q')
#      RegionName State   date  value
# 0  Philadelphia    PA 2000Q1  53100
# 1  Philadelphia    PA 2000Q1  53200
# 2  Philadelphia    PA 2000Q1  53400

最后，使用groupby/mean将具有相同RegionName，State和date的行组合在一起，并计算每个组的平均值：

result = melted.groupby(['RegionName', 'State', 'date']).mean()
#                            value
# RegionName   State date         
# Philadelphia PA    2000Q1  53233

如果你在此停留，你的DataFrame将会整洁(PDF) - 每行代表一个“观察”。这通常是进一步计算的最佳形式。（这个解决方案的第一步是将原始DataFrame转换为整洁格式并非偶然 - 请注意melted也具有每行代表一个观察的属性。）

但是，如果您愿意，可以将date索引级别移到单独的列中：

result = result['value'].unstack('date')

pandas Goup和Rename DataFrame列名称

1 个答案: