Question

我有一个带有不同列（例如价格，id，产品和日期）的数据框，我需要根据系统的当前日期将此数据框分为几个数据框（current_date = np.datetime64（date.today（））））。

例如，如果今天是2020-02-07，我想将主数据帧分为三个不同的数据帧，其中df1将是上个月的数据（2020-01-07至2020-02-07的数据），则df2将是最近三个月的数据（不包括df1中已存在的月份，因此更准确地说是从2019-10-07到2020-01-07），而df3将是原始数据帧上剩余的数据

有一些简单的方法可以做到这一点吗？另外，我一直在尝试使用Grouper，但是我还是反复出现此错误：NameError：未定义名称“ Grouper”（我的Pandas版本是0.24.2）

Answer 1

您可以将offsets.DateOffset用于最近1个月和3个月的日期时间，并按boolean indexing进行过滤：

test('should call notifyListeners', () async {
  Foo foo = Foo();

  expect(foo.i, 0);

  bool result = await expectNotifyListenerCalls(
      foo,
      foo.increment2,
      (Foo foo) => foo.i,
      <dynamic>[isA<int>(), 2]);

  expect(result, true);
});

rng = pd.date_range('2019-10-10', periods=20, freq='5d')
df = pd.DataFrame({'date': rng, 'id': range(20)})  
print (df)
         date  id
0  2019-10-10   0
1  2019-10-15   1
2  2019-10-20   2
3  2019-10-25   3
4  2019-10-30   4
5  2019-11-04   5
6  2019-11-09   6
7  2019-11-14   7
8  2019-11-19   8
9  2019-11-24   9
10 2019-11-29  10
11 2019-12-04  11
12 2019-12-09  12
13 2019-12-14  13
14 2019-12-19  14
15 2019-12-24  15
16 2019-12-29  16
17 2020-01-03  17
18 2020-01-08  18
19 2020-01-13  19

current_date = pd.to_datetime('now').floor('d')
print (current_date)
2020-02-07 00:00:00

last1m = current_date - pd.DateOffset(months=1)
last3m = current_date - pd.DateOffset(months=3)

m1 = (df['date'] > last1m) & (df['date'] <= current_date)
m2 = (df['date'] > last3m) & (df['date'] <= last1m)
#filter non match m1 or m2 masks
m3 = ~(m1 | m2)

df1 = df[m1]
df2 = df[m2]
df3 = df[m3]

如何将熊猫数据框按月和年划分为几个数据框

1 个答案: