时间序列分析:按月分组数据，这样我就可以每月查看它

Question

我想知道如何按月对数据进行分组，以便每月查看数据。我该怎么做？

例如，将1月份记录在自己的数据帧中的所有数据分配给1月份进行分析，等等。

这是我当前的数据帧：

WC_Humidity[%]  WC_Htgsetp[C]  WC_Clgsetp[C]       Date   Time  
0       55.553640             18             26 2005-01-01  00:10  
1       54.204342             18             26 2005-01-01  00:20  
2       51.896272             18             26 2005-01-01  00:30  
3       49.007770             18             26 2005-01-01  00:40  
4       45.825810             18             26 2005-01-01  00:50  

我们非常感谢您的帮助。

Answer 1

试试这个：

df1['Date'].to_numpy().astype('datetime64[M]')

Answer 2

您可以使用以下代码转换您的列。

df1['Date'] = pd.to_datetime(df["Date"].dt.strftime('%d-%m-%Y'))

你可以参考官方文件了解为什么第一天不起作用。https://pandas.pydata.org/docs/reference/api/pandas.to_datetime.html

Answer 3

如果你有像2005-01-01这样的字符串，那么你可以得到

df['year-month'] = df['Date'].str[:7]

以后你可以使用

df.groupby('year-month')

---

最小工作代码。

我更改了日期以在数据中包含不同的月份。

我只使用io来模拟内存中的文件。

text = '''WC_Humidity[%],WC_Htgsetp[C],WC_Clgsetp[C],Date,Time
55.553640,18,26,2005-01-01,00:10
54.204342,18,26,2005-01-01,00:20
51.896272,18,26,2005-02-01,00:30
49.007770,18,26,2005-02-01,00:40
45.825810,18,26,2005-03-01,00:50
'''
import pandas as pd
import io
df = pd.read_csv(io.StringIO(text))
df['year-month'] = df['Date'].str[:7]
print(df)
for value, group in df.groupby('year-month'):
print()
print('---', value, '---')
print(group)
print()
print('average WC_Humidity[%]:', group['WC_Humidity[%]'].mean())

结果：

WC_Humidity[%]  WC_Htgsetp[C]  WC_Clgsetp[C]       Date   Time year-month
0       55.553640             18             26 2005-01-01  00:10    2005-01
1       54.204342             18             26 2005-01-01  00:20    2005-01
2       51.896272             18             26 2005-02-01  00:30    2005-02
3       49.007770             18             26 2005-02-01  00:40    2005-02
4       45.825810             18             26 2005-03-01  00:50    2005-03
--- 2005-01 ---
WC_Humidity[%]  WC_Htgsetp[C]  WC_Clgsetp[C]       Date   Time year-month
0       55.553640             18             26 2005-01-01  00:10    2005-01
1       54.204342             18             26 2005-01-01  00:20    2005-01
average WC_Humidity[%]: 54.878991
--- 2005-02 ---
WC_Humidity[%]  WC_Htgsetp[C]  WC_Clgsetp[C]       Date   Time year-month
2       51.896272             18             26 2005-02-01  00:30    2005-02
3       49.007770             18             26 2005-02-01  00:40    2005-02
average WC_Humidity[%]: 50.452021
--- 2005-03 ---
WC_Humidity[%]  WC_Htgsetp[C]  WC_Clgsetp[C]       Date   Time year-month
4        45.82581             18             26 2005-03-01  00:50    2005-03
average WC_Humidity[%]: 45.82581

---

如果你有对象datetime，那么你可以进行

df['year-month'] = df['Date'].dt.strftime('%Y-%m')

其余的是相同的

text = '''WC_Humidity[%],WC_Htgsetp[C],WC_Clgsetp[C],Date,Time
55.553640,18,26,2005-01-01,00:10
54.204342,18,26,2005-01-01,00:20
51.896272,18,26,2005-02-01,00:30
49.007770,18,26,2005-02-01,00:40
45.825810,18,26,2005-03-01,00:50
'''
import pandas as pd
import io
df = pd.read_csv(io.StringIO(text))
# create datetime objects
df['Date'] = pd.to_datetime(df['Date'], format='%Y-%m-%d')
df['year-month'] = df['Date'].dt.strftime('%Y-%m')
print(df)
for value, group in df.groupby('year-month'):
print()
print('---', value, '---')
print(group)
print()
print('average WC_Humidity[%]:', group['WC_Humidity[%]'].mean())

Answer 4

如果列的格式是2021-01-29，30-12-2024，那么在上面的行之前应该处理它并相应地解析它。

df1['Date'] = pd.to_datetime(df1['Date'])

现在，您可以使用此代码将日期列转换为所需的方式。

df1['Date'] = df['Date1'].dt.strftime('%d/%m/%Y')

这应该能得到你想要的。