python - 从 pandas 中的多索引日期获取频率表

Question

这是测试数据

import numpy as np
import pandas as pd
import datetime

# multi-indexed dataframe via cartesian join
df1 = pd.DataFrame([1, 2, 3])
df2 = pd.DataFrame(pd.date_range(start='2016', end='2018', freq='M'))
df1['key'] = 0
df2['key'] = 0
df = df1.merge(df2, how='outer', on='key')
del df1, df2
del df['key']
df.columns = ['id','date']

df['value'] = pd.DataFrame(np.random.randn(len(df)))

df.set_index(['date', 'id'], inplace=True)
df.sort_index(inplace=True)
df.head()

输出:

                  value
date       id
2016-01-31 1   0.245029
           2  -2.141292
           3   1.521566
2016-02-29 1   0.870639
           2   1.407977

可能有更好的方法来生成笛卡尔连接，但我是新手，这是我能找到的生成与我的面板数据相似的面板数据的最佳方法。无论如何，我的目标是创建一个快速表格，查看观察模式，看看是否有与时间相关的缺失。

我的目标是创建一个逐月的频率观察表。这接近我想要的:

df.groupby(pd.Grouper(level='date',freq='M')).count()

但它给出了一个垂直列表。我的数据比这个小型 MWE 大得多，因此我想更紧凑地拟合它，并查看是否存在季节性模式(即 12 月或 6 月的大量观测值)。

在我看来这应该有效，但事实并非如此:

df.groupby([df.index.levels[0].month, df.index.levels[0].year]).count()

我收到一个ValueError:Grouper 和 axis 的长度必须相同 错误。

这给出了我正在寻找的内容，但在我看来，使用时间索引应该更容易:

df.reset_index(inplace=True)
df['month'] = df['date'].dt.month
df['year'] = df['date'].dt.year
df.groupby(['month', 'year'])['value'].count().unstack().T

输出:

month  1   2   3   4   5   6   7   8   9   10  11  12
year
2016    3   3   3   3   3   3   3   3   3   3   3   3
2017    3   3   3   3   3   3   3   3   3   3   3   3

此外，由于这只是一个快速验证，我宁愿不重置索引，然后每次重新建立索引(并删除月份和年份)只是为了查看此表。

Answer 1

我认为需要Index.get_level_values选择MultiIndex的第一级:

idx = df.index.get_level_values(0)
df1 = df.groupby([idx.year, idx.month])['value'].count().unstack()

或者:

df1 = df.groupby([idx.year, idx.month]).size().unstack()

count 和 size 之间的区别是 count 省略 NaN 和 size不是。

<小时/>

print (df1)
date  1   2   3   4   5   6   7   8   9   10  11  12
date                                                
2016   3   3   3   3   3   3   3   3   3   3   3   3
2017   3   3   3   3   3   3   3   3   3   3   3   3