python - 具有重复索引的数据帧上的 groupby 或平均值的 groupby 的平均值

Question

我有一个这种格式的数据框:

               value    identifier
2007-01-01  0.087085      55
2007-01-01  0.703249      56
2007-02-01  0.967872      55
2007-02-01  0.954142      56
2008-01-01  0.804404      55
2008-01-01  0.475372      56
2008-02-01  0.025823      55
2008-02-01  0.414736      56

我需要按月绘制箱线图。我有两种方法:首先按索引进行分组，复制到新的数据帧，然后按月进行分组:

by_index = dd.groupby(dd.index).mean()
temp = pd.DataFrame()
temp['value']  =by_index['value']
by_month = temp.groupby(lambda x: x.month)
by_month.boxplot(subplots=False)

或者第一个按月分组，直接取平均值并绘图:

by_month = dd.groupby(lambda x: x.month)
by_month_avg = by_month.mean()
by_month_avg['value'].plot()

问题在于这两种方法之间的手段不同。正确的做法是什么？两个结果应该相等吗？

Answer 1

我认为造成困惑的原因是您在这两种情况下使用了不同的语法，并且差异不太明显。在一种情况下，您使用 lambda 来操作索引:

dd.groupby(lambda x: x.month).mean()

或者，您可以这样做(类似于您在其他情况下所做的操作):

dd.groupby( dd.index.month ).mean()

那么应该清楚为什么上面给出的答案与以下内容不同:

dd.groupby( dd.index ).mean()

在一种情况下，结果是按日期的平均值，在另一种情况下，结果是按月的平均值。也许这个打印转储也会有所帮助:

dd.index.date

array([datetime.date(2007, 1, 1), datetime.date(2007, 1, 1),
       datetime.date(2007, 2, 1), datetime.date(2007, 2, 1),
       datetime.date(2008, 1, 1), datetime.date(2008, 1, 1),
       datetime.date(2008, 2, 1), datetime.date(2008, 2, 1)], dtype=object)

dd.index.month
array([1, 1, 2, 2, 1, 1, 2, 2])

我刚刚添加了“日期”属性以使其打印更清晰，但想法没有改变。前者groupby有4组，后者有2组。

根据后续问题，我想知道您是否真正想要的是按月和年分组？

dd.groupby([dd.index.year,dd.index.month]).mean()

           value  identifier
2007 1  0.395167        55.5
     2  0.961007        55.5
2008 1  0.639888        55.5
     2  0.220279        55.5