我想查看Pandas
中不同时间段内每个客户端的TimeSeries
数据。
import pandas as pd
import numpy as np
import random
clients = np.random.randint(1, 11, size=100)
dates = pd.date_range('20130101',periods=365)
OrderDates = random.sample(list(dates),100)
Values = np.random.randint(10, 250, size=100)
df = pd.DataFrame({ 'Client' : clients,'OrderDate' : OrderDates, 'Value' : Values})
df = df.sort_values(['OrderDate', 'Client'], ascending=['True', 'True'])
df.head()
# Client OrderDate Value
# 36 3 2013-01-11 40
# 55 4 2013-01-12 192
# 54 8 2013-01-15 130
# 48 10 2013-01-17 153
# 78 9 2013-01-22 171
我试图完成的是获得"价值"列的计数和总和,按不同时间段的"客户"分组(每月、每季度、每年-我可能会为此数据构建3个不同的数据帧,然后使数据帧"宽")。
对于Quarterly,我期待这样的东西:
Client OrderDate NumberofEntries SumofValues
1 2013-03-31 7 28
1 2013-06-30 2 7
1 2013-09-30 6 20
1 2013-12-31 1 3
2 2013-03-31 1 4
2 2013-06-30 2 8
2 2013-09-30 3 17
2 2013-12-31 4 24
我可以通过获取每个条目的季度(或月或年)来附加该数据帧,然后使用Pandas
groupby
函数,但当我应该使用TimeSeries
时,这似乎是额外的工作。
我已经阅读了文档,并查看了Wes的TimeSeries
演示,但我看不出有什么方法可以为客户端执行groupby
,然后在我试图构建的时间段内执行TimeSeries
(或者,我可以运行for loop
并以这种方式构建数据帧,但同样,这似乎比应该做的工作更多。)
有没有办法将groupby
过程与TimeSeries
结合起来?
在进行分组之前,可以选择set_index
:
In [11]: df.set_index('OrderDate', inplace=True)
In [12]: g = df.groupby('Client')
In [13]: g['Value'].resample('Q', how=[np.sum, len])
Out[13]:
sum len
Client OrderDate
1 2013-03-31 239 1
2013-06-30 83 1
2013-09-30 249 2
2013-12-31 506 3
2 2013-03-31 581 4
2013-06-30 569 4
2013-09-30 316 4
2013-12-31 465 5
...
注意:在执行此操作之前,您不需要进行排序。
类似的东西?我首先进行分组,然后对每个分组应用重采样。
In [11]: grouped = df.groupby('Client')
In [12]: result = grouped.apply(lambda x: x.set_index('OrderDate').resample('Q', how=[np.sum, len]))
In [13]: result['Value']
Out[13]:
sum len
Client OrderDate
1 2013-03-31 227 4
2013-06-30 344 2
2013-09-30 234 1
2 2013-03-31 299 2
2013-06-30 538 4
2013-09-30 236 2
2013-12-31 1124 7
3 2013-03-31 496 4
2013-06-30 NaN 0
2013-09-30 167 2
2013-12-31 218 1
更新:在@AndyHayden的回答中,这变得更干净了:
df = df.set_index('OrderDate')
grouped = df.groupby('Client')
grouped['Value'].resample('Q', how=[np.sum, len])