import numpy as np
import pandas as pd
np.random.seed(0)
dates = pd.date_range(start='1/1/2021', end='3/15/2021')
df = pd.DataFrame({'date': np.random.choice(dates, 1000),
'label': np.random.choice(['a', 'b', 'c'], 1000)})
date label
0 2021-02-14 a
1 2021-02-17 c
2 2021-03-06 a
3 2021-03-09 c
4 2021-03-09 b
... ... ...
995 2021-03-06 c
996 2021-01-14 b
997 2021-01-02 a
998 2021-01-03 c
999 2021-03-08 b
我试图从最后观察到的日期开始每 4 周对日期列进行分组(在这种情况下,df['date'].max()
给出 '3/15/2021'
,所以我想要按日期和标签分组时的最后一个日期'3/15/2021'
,其他日期也相应调整(3/15 前 28 天、3/15 前 56 天等)。
但是,我无法使用 pd.Grouper
执行此操作。 According to the docs, pd.Grouper
使用 origin
参数来调整分组,但没有基于结束日期的选项。
有没有办法以类似于以下的方式使用 pd.Grouper
:
df.groupby([pd.Grouper(key='date', freq='28d', label='right'), 'label'])['label'].count()
date label
2021-01-29 a 114
b 135
c 134
2021-02-26 a 125
b 133
c 123
2021-03-26 a 83
b 81
c 72
Name: label, dtype: int64
而是将按日期结束的最后一个分组设置为 3/15(并让最后一组包含自 3/15 以来 28 天的所有数据)?
答案 0 :(得分:3)
我们可以尝试用 div 创建日期计数
df_sub = df.assign(v = ((df.date-df.date.max()).dt.days.sub(1)//28))
s = df_sub.groupby(['v','label']).agg({'label':'count'})
s = s.join(df_sub.groupby('v').date.max())
Out[41]:
label date
v label
-3 a 76 2021-01-18
b 87 2021-01-18
c 91 2021-01-18
-2 a 120 2021-02-15
b 138 2021-02-15
c 126 2021-02-15
-1 a 126 2021-03-15
b 124 2021-03-15
c 112 2021-03-15
答案 1 :(得分:1)
显然 pd.Grouper
不支持否定频繁。我决定按 Timedelta
分组:
out = (df.groupby((max_date-df['date'])//pd.Timedelta('28d'))
['label'].value_counts()
)
# relabel the index
out.index = pd.MultiIndex.from_tuples([
(max_date - pd.to_timedelta(x*28, unit='D'),y) for x,y in out.index
], names=['date','label'])
输出:
date label
2021-03-15 a 126
b 124
c 112
2021-02-15 b 138
c 126
a 120
2021-01-18 c 91
b 87
a 76
Name: label, dtype: int64