python - 如何对时间序列数据进行分组

Question

我下面有一个数据框，B 列的 dtype 是 datetime64。

    A      B
0   a   2016-09-13
1   b   2016-09-14
2   b   2016-09-15
3   a   2016-10-13
4   a   2016-10-14

我想按月分组(或者一般按年和日...)

所以我想得到下面的计数结果，key = B 列。

              a       b
2016-09       1       2
2016-10       2       0

我试过groupby。但我不知道如何处理像 datetime64 这样的 dtypes...如何处理和分组 dtype datetime64？

Answer 1

如果将索引设置为日期时间，则可以使用 pd.TimeGrouper 按不同的时间范围进行排序。示例代码:

# recreate dataframe
df = pd.DataFrame({'A': ['a', 'b', 'b', 'a', 'a'], 'B': ['2016-09-13', '2016-09-14', '2016-09-15',
                                                        '2016-10-13', '2016-10-14']})
df['B'] = pd.to_datetime(df['B'])

# set column B as index for use of TimeGrouper
df.set_index('B', inplace=True)

# Now do the magic of Ami Tavory's answer combined with timeGrouper:
df = df.groupby([pd.TimeGrouper('M'), 'A']).size().unstack().fillna(0)

返回:

A             a    b
B                   
2016-09-30  1.0  2.0
2016-10-31  2.0  0.0

或者(归功于 ayhan)跳过设置到索引步骤并在创建数据框后直接使用以下单行代码:

# recreate dataframe
df = pd.DataFrame({'A': ['a', 'b', 'b', 'a', 'a'], 'B': ['2016-09-13', '2016-09-14', '2016-09-15',
                                                        '2016-10-13', '2016-10-14']})
df['B'] = pd.to_datetime(df['B'])
df = df.groupby([pd.Grouper(key='B', freq='M'), 'A']).size().unstack().fillna(0)

返回相同的答案