python - 通过 pandas 数据帧的列中具有不同标识符的重复日期时间索引进行聚合

Question

我有一个这种形式的数据框:

         value     identifier
2007-01-01  0.781611      55
2007-01-01  0.766152      56
2007-01-01  0.766152      57
2007-02-01  0.705615      55
2007-02-01  0.032134      56
2007-02-01  0.032134      57
2008-01-01  0.026512      55
2008-01-01  0.993124      56
2008-01-01  0.993124      57
2008-02-01  0.226420      55
2008-02-01  0.033860      56
2008-02-01  0.033860      57

我可以使用此 answer 按标识符对数据进行分组。

by_date = df.groupby(df.index.date)['value'].mean()
2007-01-01    0.771305
2007-02-01    0.256628
2008-01-01    0.670920
2008-02-01    0.098047

现在我想按月绘制箱线图，所以我想我可以按它分组:

new_df = pd.DataFrame()
new_df['value'] = by_date
by_month = by_date.groupby(by_date.index.month)
aa = by_month.groupby(lambda x: x.month)
aa.boxplot(subplots=False)

如何在没有虚拟数据框的情况下创建此箱线图？

Answer 1

为了让 groupby 返回 df 而不是 Series，请使用双订阅 [[]]:

by_date = df.groupby(df.index.date)[['value']].mean()

然后，您可以按月分组并生成箱线图:

by_month = by_date.groupby(by_date.index.month)
by_month.boxplot(subplots=False)

双订阅的使用是一个微妙的功能，并不是立即显而易见的，通常执行df[col]会返回一个列，但我们知道传递一个列列表col_list 将返回一个 df: df[col_list] ，当展开时与 df[[col_a, col_b]] 相同，这导致我们可以如果我们执行以下操作，则返回 df:df[[col_a]] 因为我们传递了一个包含单个元素的列表，这与 df[col_a] 不同> 我们在其中传递了一个标签来执行列索引。