从pandas中的多索引日期获取频率表

时间:2018-05-29 19:58:38

标签: python pandas multi-index

这是测试数据

import numpy as np
import pandas as pd
import datetime

# multi-indexed dataframe via cartesian join
df1 = pd.DataFrame([1, 2, 3])
df2 = pd.DataFrame(pd.date_range(start='2016', end='2018', freq='M'))
df1['key'] = 0
df2['key'] = 0
df = df1.merge(df2, how='outer', on='key')
del df1, df2
del df['key']
df.columns = ['id','date']

df['value'] = pd.DataFrame(np.random.randn(len(df)))

df.set_index(['date', 'id'], inplace=True)
df.sort_index(inplace=True)
df.head()

输出:

                  value
date       id
2016-01-31 1   0.245029
           2  -2.141292
           3   1.521566
2016-02-29 1   0.870639
           2   1.407977

可能有更好的方法来生成笛卡尔联接,但我是新手,这是我能找到的最好的生成看起来像我的面板数据。无论如何,我的目标是创建一个快速表格,查看观察模式,看看是否有任何与时间相关的遗漏。

我的目标是逐月创建一个频率观测表。这接近我想要的:

df.groupby(pd.Grouper(level='date',freq='M')).count()

但它给出了一个垂直列表。我的数据比这个小型MWE大得多,所以我想更紧凑地适应它,以及看是否有季节性模式(即12月或6月的大量观察)。

在我看来,这应该有效,但事实并非如此:

df.groupby([df.index.levels[0].month, df.index.levels[0].year]).count()

我收到ValueError: Grouper and axis must be same length错误。

这给了我正在寻找的东西,但在我看来它应该更容易与时间索引:

df.reset_index(inplace=True)
df['month'] = df['date'].dt.month
df['year'] = df['date'].dt.year
df.groupby(['month', 'year'])['value'].count().unstack().T

输出:

month  1   2   3   4   5   6   7   8   9   10  11  12
year
2016    3   3   3   3   3   3   3   3   3   3   3   3
2017    3   3   3   3   3   3   3   3   3   3   3   3

此外,由于这只是一个快速验证,我宁愿不重置索引,然后每次重新建立索引(并删除月份和年份)只是为了查看此表。

1 个答案:

答案 0 :(得分:1)

我认为需要Index.get_level_values来选择第一级MultiIndex

idx = df.index.get_level_values(0)
df1 = df.groupby([idx.year, idx.month])['value'].count().unstack()

或者:

df1 = df.groupby([idx.year, idx.month]).size().unstack()

countsize之间的区别是count省略NaN s而size则没有。

print (df1)
date  1   2   3   4   5   6   7   8   9   10  11  12
date                                                
2016   3   3   3   3   3   3   3   3   3   3   3   3
2017   3   3   3   3   3   3   3   3   3   3   3   3