Question

我有一个熊猫DataFrame，其日期时间索引为每小时风速和风向。我的时间序列涵盖31年，我需要制作每月风玫瑰的年度图像。这将转换为31个图像，每个图像具有12个子图。

我已经弄清楚了如何使用Windrose软件包获得windrose。使用GroupBy，我可以按每年和/或每月对数据进行分组。

我曾尝试按年和月分组，但无法弄清楚如何逐年迭代以制作月度图

grouped = data.groupby(by=[data.index.year, data.index.month])

接下来，我尝试进行一个for循环，并将每个组的数据每年分组

# Make lists of years and months
years = pd.Series(data.index.year).drop_duplicates(keep='first')
months = np.arange(1,13)

for year in years:
   yearly = data.groupby([data.index.year == year])

但这仅将数据分组为2017年的观察值，而不是2017年的观察值。如果我随后尝试使用以下方法过滤到2017年：

for year in years:
    yearly = data.groupby([data.index.year == year]).filter(lambda x: data.index.year == 2017)

我收到错误TypeError：过滤器函数返回了ndarray，但预期为标量布尔值

因此，在这一点上，我希望能够首先迭代数年，然后迭代数月（每年），最终创建具有每月子图的年度图像。

Answer 1

您的错误在这里：

for year in years:
   yearly = data.groupby([data.index.year == year])

yearly = data.groupby([data.index.year]将以年为单位对数据进行分组。您需要像这样每年遍历不同的组：

for name, group in yearly:
              ....

文档可在此处找到：http://pandas.pydata.org/pandas-docs/stable/user_guide/groupby.html#iterating-through-groups

对于每月分组，您可以执行以下操作：

yearly = data.groupby([data.index.year, data.index.month])，它将按年份，然后按月分组。

然后按每月进行过滤，例如仅返回2017年：

yearly = data.groupby([data.index.year, data.index.month]).filter(lambda x: x.index.year = 2017)

（在您的代码中，您在lambda语句中使用了“日期”而不是“ x”，这也是为什么它也失败了。）

遍历pandas DataFrameGroupBy对象以创建具有每月子图的年度图像

1 个答案: