python - 带有日期时间对象的 pandas Grouper 方法的奇怪行为

Question

我正在尝试将 x 天的组放在另一列的组中。出于某种原因，当我添加另一级别的分组时，分组行为发生了变化。

参见下面的玩具示例:

创建一个包含 40 个连续日期、一个 ID 列和随机值的随机数据框:

import numpy as np
import pandas as pd
df = pd.DataFrame(
        {'dates':pd.date_range('2018-1-1',periods=40,freq='D'),
         'id': np.concatenate((np.repeat(1,10),np.repeat(2,30))),
         'amount':np.random.random(40)
         }
)

我想先按 id 分组，然后在这些组中连续 7 天进行分组。我这样做:

(df
 .groupby(['id',pd.Grouper(key='dates',freq='7D')])
 .amount
 .agg(['mean','count'])
)

输出是:

                   mean  count
id dates                      
1  2018-01-01  0.591755      7
   2018-01-08  0.701657      3
2  2018-01-08  0.235837      4
   2018-01-15  0.650085      7
   2018-01-22  0.463854      7
   2018-01-29  0.643556      7
   2018-02-05  0.459864      5

第二组中发生了一些奇怪的事情!我希望看到 4 组 7 人，然后是最后一组 2 人。当我在数据帧上运行相同的代码时，只有 id=2 我确实得到了我真正期望的结果:

df2=df[df.id==2]

(df2
 .groupby(['id',pd.Grouper(key='dates',freq='7D')])
 .amount
 .agg(['mean','count'])
)

输出

                   mean  count
id dates                      
2  2018-01-11  0.389343      7
   2018-01-18  0.672550      7
   2018-01-25  0.486620      7
   2018-02-01  0.520816      7
   2018-02-08  0.529915      2

这是怎么回事？是不是因为id=1组的最后一组只有3行，所以先在id=2组创建4组？这不是我想做的!

Answer 1

当您使用两个 ID 进行分组时，当您执行每周分组时，您会从第一组溢出到第二组(因为最后一周没有足够的天数来完成组 #1 中的整整 7 天)。当您查看每个组的第一个日期时，这是显而易见的:

第一个案例中的“2018-01-08”与“2018-01-11”。

解决方法是对id 执行groupby，然后应用 重采样操作:

df.groupby('id').apply(
    lambda x: x.set_index('dates').amount.resample('7D').count()
)

id  dates     
1   2018-01-01    7
    2018-01-08    3
2   2018-01-11    7
    2018-01-18    7
    2018-01-25    7
    2018-02-01    7
    2018-02-08    2
Name: amount, dtype: int64