Как группировать по неделям в кадре данных pandas для определенного столбца? [Дубликат]
== проверяет ссылки на объекты, .equals() проверяет строковые значения.
Иногда кажется, что == сравнивает значения, потому что Java делает некоторые закулисные вещи, чтобы убедиться, что одинаковые строки в строке являются одним и тем же объектом.
Для Например:
String fooString1 = new String("foo");
String fooString2 = new String("foo");
// Evaluates to false
fooString1 == fooString2;
// Evaluates to true
fooString1.equals(fooString2);
// Evaluates to true, because Java uses the same object
"bar" == "bar";
Но будьте осторожны с нулями!
== обрабатывает строки null в порядке, но вызов .equals() из пустой строки приведет к исключению:
String nullString1 = null;
String nullString2 = null;
// Evaluates to true
System.out.print(nullString1 == nullString2);
// Throws a NullPointerException
System.out.print(nullString1.equals(nullString2));
Итак, если вы знаете, что fooString1 может но не менее очевидно, что он проверяет значение null (из Java 7):
System.out.print(Objects.equals(fooString1, "bar"));
4 ответа
Первый конвертировать столбец date to_datetime и вычесть одну неделю.
Затем используйте groupby с Grouper с помощью W-MON и агрегата sum:
df['Date'] = pd.to_datetime(df['Date']) - pd.to_timedelta(7, unit='d')
df = df.groupby(['Name', pd.Grouper(key='Date', freq='W-MON')])['Quantity']
.sum()
.reset_index()
.sort_values('Date')
print (df)
Name Date Quantity
0 Apple 2017-07-10 90
3 orange 2017-07-10 20
1 Apple 2017-07-17 30
2 Orange 2017-07-24 40
-
1Спасибо за ответ !. Но когда я использую ваш код, он показывает, TypeError: только действителен с DatetimeIndex, TimedeltaIndex или PeriodIndex, но получил экземпляр «Index» . Знаете ли вы, почему? благодаря – Ram 25 July 2017 в 09:34
-
2Да, но он показывает ошибку, как указано выше – Ram 25 July 2017 в 09:40
-
3Извините ... Но этого я не хочу. – Ram 25 July 2017 в 10:45
-
4Большое спасибо, и код выглядит отлично !!!. Но у него есть исправление. Я хочу, чтобы дата выхода была в последний понедельник. Например, результат, orange, 07/14 / 17,20 , имеет дату на 2017-07-17 , но я хочу это на 2017-07-10 . – Ram 25 July 2017 в 11:07
-
5Теперь это правильно, нужно вычесть только одну неделю. Проверьте отредактированный ответ. – jezrael 25 July 2017 в 11:08
Сначала конвертировать дату столбца to_datetime. Это будет группа по неделям, начиная с понедельника. Он выведет номер недели (но вы можете изменить это в
df.groupby(['name', df['date'].dt.strftime('%W')])['quantity'].sum()Выход:
name date apple 28 90 29 30 orange 28 20 30 40
Я думаю, что это намного проще, чем текущие ответы.
Создание df:
df = pd.DataFrame({
'name' : ['apple', 'orange', 'apple', 'orange', 'apple'],
'date' : pd.to_datetime([
'7/10/17', '7/10/17', '7/10/17', '7/25/17', '7/20/17'
]),
'quantity' : [20, 20, 70, 40, 30]
})
Вход:
# Groupby 'date', then 'name'
# Grab the 'quantity' column from each group
# Take the sum of each 'quantity' column
df.groupby(['date', 'name'])['quantity'].sum()
Выход:
date name
2017-07-10 apple 90
orange 20
2017-07-20 apple 30
2017-07-25 orange 40
Name: quantity, dtype: int64
-
1Я думаю, вы пропустили часть о группировке по неделям, то есть 2017-07-20 и 2017-07-21 должны находиться в одной группе – matusko 5 February 2018 в 13:27
Используем groupby, resample с W-Mon и sum:
df.groupby('Name').resample('W-Mon', on='Date').sum().reset_index().sort_values(by='Date')
Выход:
Name Date Quantity
0 Apple 2017-07-17 90
3 orange 2017-07-17 20
1 Apple 2017-07-24 30
2 Orange 2017-07-31 40
-
1– Ram 25 July 2017 в 09:36
-
2Да, вам нужно преобразовать столбец
dataв dtype datetime. Используйте df ['Date'] = pd.to_datetime (df ['Date']). – Scott Boston 25 July 2017 в 13:04