python - Pandas :groupby并按月获得中值？

Question

我有一个如下所示的数据框:

     org        date     value
0    00C  2013-04-01  0.092535
1    00D  2013-04-01  0.114941
2    00F  2013-04-01  0.102794
3    00G  2013-04-01  0.099421
4    00H  2013-04-01  0.114983

现在我想弄清楚:

• 每个组织在一年中每个月的中值
• 每个组织的 X，其中 X 是最低月度中值与最高中值之间的百分比差异。

在 Pandas 中解决这个问题的最佳方法是什么？

我尝试按如下方式按月生成中位数，但失败了:

df['date'] = pd.to_datetime(df['date'])
ave = df.groupby(['row_id', 'date.month']).median()

失败并返回 KeyError: 'date.month'。

更新:感谢@EdChum，我现在正在做:

ave = df.groupby([df['row_id'], df['date'].dt.month]).median()

效果很好，给了我:

99P    1     0.106975
       2     0.091344
       3     0.098958
       4     0.092400
       5     0.087996
       6     0.081632
       7     0.083592
       8     0.075258
       9     0.080393
       10    0.089634
       11    0.085679
       12    0.108039
99Q    1     0.110889
       2     0.094837
       3     0.100658
       4     0.091641
       5     0.088971
       6     0.083329
       7     0.086465
       8     0.078368
       9     0.082947
       10    0.090943
       11    0.086343
       12    0.109408

现在我想，对于索引中的每个项目，我需要找到最小和最大计算值，然后是它们之间的差值。最好的方法是什么？

Answer 1

对于您的第一个错误，您有一个语法错误，您可以传递列名列表或列本身，您传递了一个名称列表并且 date.month 不存在，所以您想要:

ave = df.groupby([df['row_id'], df['date'].dt.month]).median()

之后，您可以计算特定索引级别的min 和max，因此:

((ave.max(level=0) - ave.min(level=0))/ave.max(level=0)) * 100

应该给你你想要的。

这会计算每个组织的最小值和最大值之间的差值，除以该级别的最大值，然后乘以 100 得出百分比