Question

我有一个数据框，该数据框是我在熊猫中创建的，按日期分组并按游乐设施汇总。

      date   rides
0   2019-01-01  247279
1   2019-01-02  585996
2   2019-01-03  660631
3   2019-01-04  662011
4   2019-01-05  440848
..         ...     ...
451 2020-03-27  218499
452 2020-03-28  143305
453 2020-03-29  110833
454 2020-03-30  207743
455 2020-03-31  199623

[456 rows x 2 columns]

我的date列在datetime64[ns]中。

date     datetime64[ns]
rides             int64
dtype: object

现在，我想创建另一个数据框，按月和年分组（我的数据表为2019和2020），并按乘车次数进行汇总。

理想的输出：

Year Month   Rides
2019 January 2000000
2020 March   1000000

Answer 1

datetime还支持to_period转换，因此我们可以按月将所有内容分组。

df.groupby(df.date.dt.to_period('M')).agg('sum')
#           rides
#date            
#2019-01  2596765
#2020-03   880003

在这种情况下，索引是PeriodIndex，它具有许多相同的datetime属性。

PeriodIndex(['2019-01', '2020-03'], dtype='period[M]', name='date', freq='M')

Answer 2

您可以groupby并从列日期中获取dt.year和dt.month_name。

print (df.groupby([df['date'].dt.year.rename('year'), 
                   df['date'].dt.month_name().rename('month')])
         ['rides'].sum().reset_index())
   year    month    rides
0  2019  January  2596765
1  2020    March   880003

熊猫按月和年分组（日期为datetime64 [ns]），并按计数汇总

2 个答案: