Python 3.x 如何为不使用panda的个人帐户创建月平均、季度平均取款金额的新列？

为个人用户提供结果，但不能按月提供

data.groupby(['Account No']).agg({ "WITHDRAWAL AMT": ["count", "sum"], "DEPOSIT AMT":["count", "sum"],
                                            "BALANCE AMT": ["count", "sum"]})

---

对于单个用户，应该只有一行。

有多种方法，我建议使用两种方法

首先： 添加一个grouper，即将您的groupby修改为

df.groupby(["Account No", pd.Grouper(key="Date", freq="M")]

第二： 从日期创建年和月列，并按日期分组。将您的联系人更改为：

df.assign(Year=lambda x: x["Date"].dt.year, Month=lambda x: x["Date"].dt.month)
  .groupby(["Account No", "Year", "Month"])

25美分硬币也是如此

现在，在对数据分组后，可以使用将grouper对象移动到列中，为每个用户创建一行

---

您需要对Quarter执行相同的操作，然后合并/合并数据帧。因此，这将是一个多步骤的方法。

欢迎使用So；请花一分钟看看如何正确格式化代码块；此外，这是一个标准的

pandas

问题，与

机器学习

无关-请不要发送不相关的标签（已删除）。您可以添加所需的输出吗？问题不清楚。列应该是：账号、提取金额的季度平均值（difrent列具有不同的季度平均值，如q1、q2……）问题仍然不够具体。您能否提供一个与按日期分组相关的列的输入和输出示例。我想创建具有季度或月度计数的列，如下所示：账号（列名）：a，第一季度平均金额（列名）：1500这并没有真正的帮助。我添加了一些关于如何使结果平坦化的评论。但你的问题需要更具体一些

df.assign(Year=lambda x: x["Date"].dt.year, Month=lambda x: x["Date"].dt.month)
  .groupby(["Account No", "Year", "Month"])