Python 将每月数据转换为季度数据
我有按ID分组的月度数据,ID也有父ID。数据如下所示:Python 将每月数据转换为季度数据,python,pandas,Python,Pandas,我有按ID分组的月度数据,ID也有父ID。数据如下所示: data = pd.DataFrame({'parent_id': [1, 1, 1, 1, 1, 1, -99999, -99999, -99999], 'id': [123, 123, 123, 123, 123, 123, 123, 123, 123], 'data_1': [10, 20, 30, 40, 50, 60, 0, 0, 0],
data = pd.DataFrame({'parent_id': [1, 1, 1, 1, 1, 1, -99999, -99999, -99999],
'id': [123, 123, 123, 123, 123, 123, 123, 123, 123],
'data_1': [10, 20, 30, 40, 50, 60, 0, 0, 0],
'data_2': [10, 20, 30, 40, 50, 60, 0, 0, 0],
'period': [0, 1, 2, 3, 4, 5, 6, 7, 8],
'date': ['2017-06-30', '2017-07-31', '2017-08-31',
'2017-09-30', '2017-10-31', '2017-11-30',
'2017-12-31', '2018-01-31', '2018-02-28'],
'quarter': [0, 0, 0, 1, 1, 1, 2, 2, 2]})
data_2 = pd.DataFrame({'parent_id': [1, 1, 1, 1, 1, 1, -99999, -99999, -99999],
'id': [234, 234, 234, 234, 234, 234, 234, 234, 234],
'data_1': [10, 20, 30, 40, 50, 60, 0, 0, 0],
'data_2': [10, 20, 30, 40, 50, 60, 0, 0, 0],
'period': [0, 1, 2, 3, 4, 5, 6, 7, 8],
'date': ['2017-06-30', '2017-07-31', '2017-08-31',
'2017-09-30', '2017-10-31', '2017-11-30',
'2017-12-31', '2018-01-31', '2018-02-28'],
'quarter': [0, 0, 0, 1, 1, 1, 2, 2, 2]})
data = data.append(data_2)
data = data.reindex()
我有一个函数,当我有一个id时可以工作,但是当我引入多个id时,求和不是唯一的
def convert_to_quarterly(df, date):
"""Aggregates 3 months of data to a quarterly value."""
columns = ['data_1', 'data_2']
df['date'] = pd.to_datetime(df['date'])
df = df.set_index('date')
df_quarterly = df.resample('Q')[columns].sum()
df_quarterly['date'] = df_quarterly.index
df['date'] = df.index
df.drop(columns, axis=1, inplace=True)
df = pd.merge(df, df_quarterly)
return df
convert_to_quarterly(data, date=pd.to_datetime('2017-06-30'))
我需要做什么才能使Pandas仅对单个ID组求和?如果您尚未这样做,则需要将日期列正式设置为datetime类型。然后可以使用groupby,然后再进行重采样
data['date'] = data['date'].astype('datetime64[ns]')
data.set_index('date').groupby('id').resample('Q')['data_1', 'data_2'].sum()
data_1 data_2
id date
123 2017-06-30 10 10
2017-09-30 90 90
2017-12-31 110 110
2018-03-31 0 0
234 2017-06-30 20 20
2017-09-30 180 180
2017-12-31 220 220
2018-03-31 0 0
如果您还没有这样做,则需要将日期列正式设置为datetime类型。然后可以使用groupby,然后再进行重采样
data['date'] = data['date'].astype('datetime64[ns]')
data.set_index('date').groupby('id').resample('Q')['data_1', 'data_2'].sum()
data_1 data_2
id date
123 2017-06-30 10 10
2017-09-30 90 90
2017-12-31 110 110
2018-03-31 0 0
234 2017-06-30 20 20
2017-09-30 180 180
2017-12-31 220 220
2018-03-31 0 0
非常感谢你!这正是我要找的!我不敢相信我一步一步地错过了小组赛。你是救命恩人!我一定会买你的书,跟着你。谢谢你的帮助@汤姆库萨克:当然。谢谢你的支持。因为这个问题,我发现了一个bug。您不必将日期列放入带有
set\u index
的索引中,因为重采样有一个on
参数,但在这种情况下它不起作用。非常感谢你!这正是我要找的!我不敢相信我一步一步地错过了小组赛。你是救命恩人!我一定会买你的书,跟着你。谢谢你的帮助@汤姆库萨克:当然。谢谢你的支持。因为这个问题,我发现了一个bug。您不必将日期列放入带有set\u index
的索引中,因为重采样有一个on
参数,但在这种情况下它不起作用。