python - 自定义月份的开始和结束日期

Question

我有一个包含日期和值的数据框。我必须计算每个月的值总和。

即 df.groupby(pd.Grouper(freq='M'))['Value'].sum()

但问题出在我的数据集中，该月的开始日期是 21 日，结束日期是 20 日。有没有办法告诉该组从第 21 天到第 20 天的月份给 Pandas 。

假设我的数据框包含开始和结束日期，

starting_date=datetime.datetime(2015,11,21)
ending_date=datetime.datetime(2017,11,20)

到目前为止，我已经尝试过了，

starting_date=df['Date'].min()
ending_date=df['Date'].max()

month_wise_sum=[]
while(starting_date<=ending_date):
    temp=starting_date+datetime.timedelta(days=31)
    e_y=temp.year
    e_m=temp.month
    e_d=20
    temp= datetime.datetime(e_y,e_m,e_d)

    month_wise_sum.append(df[df['Date'].between(starting_date,temp)]['Value'].sum())
    starting_date=temp+datetime.timedelta(days=1)

print month_wise_sum

我上面的代码完成了这件事。但仍在等待 pythonic 方式来实现它。

我最大的问题是按月切片数据框

例如，

2015-11-21 to 2015-12-20

有没有pythonic的方法来实现这个？提前致谢。

例如，将其视为我的数据框。它包含来自 date_range(datetime.datetime(2017,01,21),datetime.datetime(2017,10,20)) 的日期输入:

          Date     Value
0   2017-01-21 -1.055784
1   2017-01-22  1.643813
2   2017-01-23 -0.865919
3   2017-01-24 -0.126777
4   2017-01-25 -0.530914
5   2017-01-26  0.579418
6   2017-01-27  0.247825
7   2017-01-28 -0.951166
8   2017-01-29  0.063764
9   2017-01-30 -1.960660
10  2017-01-31  1.118236
11  2017-02-01 -0.622514
12  2017-02-02 -1.416240
13  2017-02-03  1.025384
14  2017-02-04  0.448695
15  2017-02-05  1.642983
16  2017-02-06 -1.386413
17  2017-02-07  0.774173
18  2017-02-08 -1.690147
19  2017-02-09 -1.759029
20  2017-02-10  0.345326
21  2017-02-11  0.549472
22  2017-02-12  0.814701
23  2017-02-13  0.983923
24  2017-02-14  0.551617
25  2017-02-15  0.001959
26  2017-02-16 -0.537112
27  2017-02-17  1.251595
28  2017-02-18  1.448950
29  2017-02-19 -0.452310
..         ...       ...
243 2017-09-21  0.791439
244 2017-09-22  1.368647
245 2017-09-23  0.504924
246 2017-09-24  0.214994
247 2017-09-25 -3.020875
248 2017-09-26 -0.440378
249 2017-09-27  1.324862
250 2017-09-28  0.116897
251 2017-09-29 -0.114449
252 2017-09-30 -0.879000
253 2017-10-01  0.088985
254 2017-10-02 -0.849833
255 2017-10-03  1.136802
256 2017-10-04 -0.398931
257 2017-10-05  0.067660
258 2017-10-06  1.080505
259 2017-10-07  0.516830
260 2017-10-08 -0.755461
261 2017-10-09  1.367292
262 2017-10-10  1.444083
263 2017-10-11 -0.840497
264 2017-10-12 -0.090092
265 2017-10-13  0.193068
266 2017-10-14 -0.284673
267 2017-10-15 -1.128397
268 2017-10-16  1.029995
269 2017-10-17 -1.269262
270 2017-10-18  0.320187
271 2017-10-19  0.580825
272 2017-10-20  1.001110

[273 rows x 2 columns]

我想像下面这样分割这个数据框

迭代一:

         Date     Value
0  2017-01-21 -1.055784
1  2017-01-22  1.643813
2  2017-01-23 -0.865919
3  2017-01-24 -0.126777
4  2017-01-25 -0.530914
5  2017-01-26  0.579418
6  2017-01-27  0.247825
7  2017-01-28 -0.951166
8  2017-01-29  0.063764
9  2017-01-30 -1.960660
10 2017-01-31  1.118236
11 2017-02-01 -0.622514
12 2017-02-02 -1.416240
13 2017-02-03  1.025384
14 2017-02-04  0.448695
15 2017-02-05  1.642983
16 2017-02-06 -1.386413
17 2017-02-07  0.774173
18 2017-02-08 -1.690147
19 2017-02-09 -1.759029
20 2017-02-10  0.345326
21 2017-02-11  0.549472
22 2017-02-12  0.814701
23 2017-02-13  0.983923
24 2017-02-14  0.551617
25 2017-02-15  0.001959
26 2017-02-16 -0.537112
27 2017-02-17  1.251595
28 2017-02-18  1.448950
29 2017-02-19 -0.452310
30 2017-02-20  0.616847

iter-2:

         Date     Value
31 2017-02-21  2.356993
32 2017-02-22 -0.265603
33 2017-02-23 -0.651336
34 2017-02-24 -0.952791
35 2017-02-25  0.124278
36 2017-02-26  0.545956
37 2017-02-27  0.671670
38 2017-02-28 -0.836518
39 2017-03-01  1.178424
40 2017-03-02  0.182758
41 2017-03-03 -0.733987
42 2017-03-04  0.112974
43 2017-03-05 -0.357269
44 2017-03-06  1.454310
45 2017-03-07 -1.201187
46 2017-03-08  0.212540
47 2017-03-09  0.082771
48 2017-03-10 -0.906591
49 2017-03-11 -0.931166
50 2017-03-12 -0.391388
51 2017-03-13 -0.893409
52 2017-03-14 -1.852290
53 2017-03-15  0.368390
54 2017-03-16 -1.672943
55 2017-03-17 -0.934288
56 2017-03-18 -0.154785
57 2017-03-19  0.552378
58 2017-03-20  0.096006

.

.

.

iter-n:

          Date     Value
243 2017-09-21  0.791439
244 2017-09-22  1.368647
245 2017-09-23  0.504924
246 2017-09-24  0.214994
247 2017-09-25 -3.020875
248 2017-09-26 -0.440378
249 2017-09-27  1.324862
250 2017-09-28  0.116897
251 2017-09-29 -0.114449
252 2017-09-30 -0.879000
253 2017-10-01  0.088985
254 2017-10-02 -0.849833
255 2017-10-03  1.136802
256 2017-10-04 -0.398931
257 2017-10-05  0.067660
258 2017-10-06  1.080505
259 2017-10-07  0.516830
260 2017-10-08 -0.755461
261 2017-10-09  1.367292
262 2017-10-10  1.444083
263 2017-10-11 -0.840497
264 2017-10-12 -0.090092
265 2017-10-13  0.193068
266 2017-10-14 -0.284673
267 2017-10-15 -1.128397
268 2017-10-16  1.029995
269 2017-10-17 -1.269262
270 2017-10-18  0.320187
271 2017-10-19  0.580825
272 2017-10-20  1.001110

这样我就可以计算出每个月的值(value)序列总和

[0.7536957367200978, -4.796100620186059, -1.8423374363366014, 2.3780759926221267, 5.753755441349653, -0.01072884830461407, -0.24877912707664018, 11.666305431020149, 3.0772592888909065]

希望我解释清楚。

Answer 1

为了测试我的解决方案，我生成了一些随机数据，频率是每天，但它应该适用于每个频率。

index = pd.date_range('2015-11-21', '2017-11-20')
df = pd.DataFrame(index=index, data={0: np.random.rand(len(index))})

在这里你看到我传递了一个日期时间数组作为索引。日期索引允许在 pandas 中添加许多功能。对于您的数据，您应该这样做(如果 Date 列已经只包含日期时间值):

df = df.set_index('Date')

然后我会通过从索引中减去 20 天来人为地重新调整您的数据:

from datetime import timedelta
df.index -= timedelta(days=20)

然后我会将数据重新采样到每月索引，对同一个月的所有数据求和:

df.resample('M').sum()

生成的数据框由每个月的最后一个日期时间索引(对我来说是这样的:

                    0
2015-11-30  3.191098
2015-12-31  16.066213
2016-01-31  16.315388
2016-02-29  13.507774
2016-03-31  15.939567
2016-04-30  17.094247
2016-05-31  15.274829
2016-06-30  13.609203

但随时重新索引它:)