python - pandas 日期字段的 cut/qcut 等价于什么？

Question

更新:从版本 0.20.0 开始，pandas cut/qcut 确实可以处理日期字段。参见 What's New了解更多。

pd.cut and pd.qcut now support datetime64 and timedelta64 dtypes (GH14714, GH14798)

原始问题:Pandas cut 和 qcut 函数非常适合“分桶”连续数据以用于数据透视表等，但我看不到在混合。令人沮丧，因为 pandas 在所有与时间相关的事情上都非常出色!

这是一个简单的例子:

def randomDates(size, start=134e7, end=137e7):
    return np.array(np.random.randint(start, end, size), dtype='datetime64[s]')

df = pd.DataFrame({'ship' : randomDates(10), 'recd' : randomDates(10), 
                   'qty' : np.random.randint(0,10,10), 'price' : 100*np.random.random(10)})
df

     price      qty recd                ship
0    14.723510   3  2012-11-30 19:32:27 2013-03-08 23:10:12
1    53.535143   2  2012-07-25 14:26:45 2012-10-01 11:06:39
2    85.278743   7  2012-12-07 22:24:20 2013-02-26 10:23:20
3    35.940935   8  2013-04-18 13:49:43 2013-03-29 21:19:26
4    54.218896   8  2013-01-03 09:00:15 2012-08-08 12:50:41
5    61.404931   9  2013-02-10 19:36:54 2013-02-23 13:14:42
6    28.917693   1  2012-12-13 02:56:40 2012-09-08 21:14:45
7    88.440408   8  2013-04-04 22:54:55 2012-07-31 18:11:35
8    77.329931   7  2012-11-23 00:49:26 2012-12-09 19:27:40
9    46.540859   5  2013-03-13 11:37:59 2013-03-17 20:09:09

要按价格或数量分组，我可以使用 cut/qcut 对它们进行分桶:

df.groupby([pd.cut(df['qty'], bins=[0,1,5,10]), pd.qcut(df['price'],q=3)]).count()

                       price  qty recd ship
qty     price               
(0, 1]  [14.724, 46.541]   1   1   1   1
(1, 5]  [14.724, 46.541]   2   2   2   2
        (46.541, 61.405]   1   1   1   1
(5, 10] [14.724, 46.541]   1   1   1   1
        (46.541, 61.405]   2   2   2   2
         (61.405, 88.44]   3   3   3   3

但我看不到任何简单的方法可以对我的“记录”或“发货”日期字段执行相同的操作。例如，生成一个类似的计数表，按(比如说)每月的 recd 和 ship 桶分割。似乎 resample() 拥有所有的机制来分阶段，但我不知道如何在这里应用它。 'date cut' 中的桶(或级别)相当于 pandas.PeriodIndex，然后我想用 df['recd'] 的每个值标记它落入的时间段？

所以我正在寻找的输出类型类似于:

ship    recv     count
2011-01 2011-01  1
        2011-02  3
        ...      ...
2011-02 2011-01  2
        2011-02  6
...     ...      ...

更一般地说，我希望能够在输出中混合和匹配连续变量或分类变量。假设 df 还包含一个带有红色/黄色/绿色值的“状态”列，那么也许我想按状态、价格桶、发货和记录桶汇总计数，所以:

ship    recv     price   status count
2011-01 2011-01  [0-10)   green     1
                            red     4
                 [10-20) yellow     2
                  ...      ...    ...
        2011-02  [0-10)  yellow     3
        ...      ...       ...    ...

作为奖励问题，修改上面的 groupby() 结果以仅包含一个名为“count”的输出列的最简单方法是什么？

Answer 1

这是一个使用 pandas.PeriodIndex 的解决方案(警告:PeriodIndex 不似乎支持倍数 > 1 的时间规则，例如“4M”)。我认为奖励问题的答案是 .size()。

In [49]: df.groupby([pd.PeriodIndex(df.recd, freq='Q'),
   ....:             pd.PeriodIndex(df.ship, freq='Q'),
   ....:             pd.cut(df['qty'], bins=[0,5,10]),
   ....:             pd.qcut(df['price'],q=2),
   ....:            ]).size()
Out[49]: 
                qty      price 
2012Q2  2013Q1  (0, 5]   [2, 5]    1
2012Q3  2013Q1  (5, 10]  [2, 5]    1
2012Q4  2012Q3  (5, 10]  [2, 5]    1
        2013Q1  (0, 5]   [2, 5]    1
                (5, 10]  [2, 5]    1
2013Q1  2012Q3  (0, 5]   (5, 8]    1
        2013Q1  (5, 10]  (5, 8]    2
2013Q2  2012Q4  (0, 5]   (5, 8]    1
        2013Q2  (0, 5]   [2, 5]    1