我有一个数据框,这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]
.
date datetime64[ns]
rides int64
dtype: object
现在我想创建另一个数据框,按月份和年份分组(我有 2019 年和 2020 年的数据表(并按乘车次数汇总。
理想输出:
Year Month Rides
2019 January 2000000
2020 March 1000000
您可以groupby
并从列日期获取 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
datetime
也支持to_period
转换,因此我们可以按月期对所有内容进行分组。
df.groupby(df.date.dt.to_period('M')).agg('sum')
# rides
#date
#2019-01 2596765
#2020-03 880003
在这种情况下,索引是一个PeriodIndex
,它具有许多相同的datetime
属性。
PeriodIndex(['2019-01', '2020-03'], dtype='period[M]', name='date', freq='M')