如何使用 Python 和 Pandas 从日期字段按月分组？

Question

我有一个数据框，df，如下：

| date      | Revenue |
|-----------|---------|
| 6/2/2017  | 100     |
| 5/23/2017 | 200     |
| 5/20/2017 | 300     |
| 6/22/2017 | 400     |
| 6/21/2017 | 500     |

我需要按月对以上数据进行分组以获得输出：

| date | SUM(Revenue) |
|------|--------------|
| May  | 500          |
| June | 1000         |

我试过这段代码，但没有用：

df.groupby(month('date')).agg({'Revenue': 'sum'})

我只想使用 Pandas 或 NumPy，不使用其他库。

Answer 1

尝试使用 pandas Grouper:

分组

df = pd.DataFrame({'date':['6/2/2017','5/23/2017','5/20/2017','6/22/2017','6/21/2017'],'Revenue':[100,200,300,400,500]})
df.date = pd.to_datetime(df.date)
dg = df.groupby(pd.Grouper(key='date', freq='1M')).sum() # groupby each 1 month
dg.index = dg.index.strftime('%B')

输出：

     Revenue
 May    500
June    1000

Answer 2

试试这个：

In [6]: df['date'] = pd.to_datetime(df['date'])

In [7]: df
Out[7]:
        date  Revenue
0 2017-06-02      100
1 2017-05-23      200
2 2017-05-20      300
3 2017-06-22      400
4 2017-06-21      500



In [59]: df.groupby(df['date'].dt.strftime('%B'))['Revenue'].sum().sort_values()
Out[59]:
date
May      500
June    1000

Answer 3

对于行数较多的DataFrame，使用strftime会占用较多的时间。如果日期列已经有datetime64[ns]的dtype（可以用pd.to_datetime()转换，或者csv导入时指定parse_dates等），直接访问datetime属性即可groupby 个标签（方法 3）。加速是可观的。

import numpy as np
import pandas as pd

T = pd.date_range(pd.Timestamp(0), pd.Timestamp.now()).to_frame(index=False)
T = pd.concat([T for i in range(1,10)])
T['revenue'] = pd.Series(np.random.randint(1000, size=T.shape[0]))
T.columns.values[0] = 'date'

print(T.shape) #(159336, 2)
print(T.dtypes) #date: datetime64[ns], revenue: int32

方法一：strftime

%timeit -n 10 -r 7 T.groupby(T['date'].dt.strftime('%B'))['revenue'].sum()

每个循环 1.47 秒 ± 10.1 毫秒（7 次运行的平均值 ± 标准差，每次 10 次循环）

方法二：石斑鱼

%timeit -n 10 -r 7 T.groupby(pd.Grouper(key='date', freq='1M')).sum()
#NOTE Manually map months as integer {01..12} to strings

每个循环 56.9 毫秒 ± 2.88 毫秒（7 次运行的平均值 ± 标准偏差，每次 10 次循环）

方法三：日期时间属性

%timeit -n 10 -r 7 T.groupby(T['date'].dt.month)['revenue'].sum()
#NOTE Manually map months as integer {01..12} to strings

每个循环 34 毫秒 ± 3.34 毫秒（7 次运行的平均值 ± 标准偏差，每次 10 次循环）

Answer 4

这样效果会更好。

试试这个：

# Explicitly convert to date
df['Date'] = pd.to_datetime(df['Date'])
# Set your date column as index 
df.set_index('Date',inplace=True) 

# For monthly use 'M', If needed for other freq you can change.
df[revenue].resample('M').sum()

此代码给出与第一个 post 上的相同的结果。

但问题是我们可以在上述代码中执行更多操作。

推荐使用这个：

>>> df['Date'] = pd.to_datetime(df['Date'])
>>> df.set_index('Date',inplace=True)
>>> df['withdrawal'].resample('M').sum().sort_values()
Date
2019-10-31     28710.00
2019-04-30     31437.00
2019-07-31     39728.00
2019-11-30     40121.00
2019-05-31     46495.00
2020-02-29     57751.10
2019-12-31     72469.13
2020-01-31     76115.78
2019-06-30     76947.00
2019-09-30     79847.04
2020-03-31     97920.18
2019-08-31    205279.45
Name: withdrawal, dtype: float64

其中做同样的事情。

>>> df.groupby(df['Date'].dt.strftime('%B'))['withdrawal'].sum().sort_values()
Date
October       28710.00
April         31437.00
July          39728.00
November      40121.00
May           46495.00
February      57751.10
December      72469.13
January       76115.78
June          76947.00
September     79847.04
March         97920.18
August       205279.45
Name: withdrawal, dtype: float64

Answer 5

试试这个：

将日期列更改为日期时间格式。

---> df['Date'] = pd.to_datetime(df['Date'])
在数据框中插入一个新行，其月份为 [May, 'June']

---> df['months'] = df['date'].apply(lambda x:x.strftime('%B'))

---> 这里的 x 是取自数据框中日期列的日期。
现在汇总月份列中的聚合数据并对收入求和。

--->response_data_frame = df.groupby('months')['Revenue'].sum()

---->print(response_data_frame)

输出：

month	Revenue
May	500
June	1000

Answer 6

df['Month'] = pd.DatetimeIndex(df['date']).month_name()

使用这个你应该得到

date	Revenue	Month
6/2/2017	100	June
5/23/2017	200	May
5/20/2017	300	May
6/22/2017	400	June
6/21/2017	500	June

如何使用 Python 和 Pandas 从日期字段按月分组？

How can I group by month from a date field using Python and Pandas?

python

pandas

pandas-groupby

方法一：strftime

方法二：石斑鱼

方法三：日期时间属性