Python 如何使用'在熊猫数据框中使用连续分布按列值范围分组；分组依据'；和'；切割'；方法？

我有一个熊猫数据框，如下所示，显示石油产品轻柴油的最小、最大和平均销售额，我想从中生成数据框，显示石油产品的最小、最大和平均销售额，间隔5年，如2010-20142015-2019，。。等等，包括最后几年

假设下面数据帧的名称为“lightdiesel_df”

因此，基本上我希望以下输出为：

petroleum_product   year      min_sale  max_sale  avg_sale
Light Diesel Oil    2010-2014   227     258        242.5
Light Diesel Oil    2005-2009   179     377        278
Light Diesel Oil    2000-2004   88     3416       1420.8

---

尝试使用

Grouper

传递频率（5年）和参数closed='left'，如下所示：

df2['year'] = pd.to_datetime(df2['year'], format = '%Y')

(df2.groupby(['petroleum_product', pd.Grouper(key = 'year', freq = '5Y', closed = 'left')])
    .agg(
      {'year': lambda x: '-'.join((str(min(x.dt.year)), str(max(x.dt.year)))),
      'max_sale' : 'max',
      'min_sale' : 'min',
      'avg_sale' : 'mean'
    }).reset_index(level= 0).reset_index(drop=True)
)
#output:

    petroleum_product   year        max_sale    min_sale    avg_sale
0   Light Diesel Oil    2000-2004   3416        88          1420.8
1   Light Diesel Oil    2005-2009   377         179         278.0
2   Light Diesel Oil    2010-2014   258         0           97.0

请试一试

pd.cut用于在特定范围内分割df

df['year_range']=pd.cut(df.year, [1999,2004,2009,2015])

df_res=df.groupby(['petroleum_product','year_range']).agg({'max_sale':'max', 
'min_sale':'min','avg_sale':'mean'})

您还可以在从

年份

列和

标签

创建垃圾箱后尝试使用，以根据预期输出设置格式：

bins=[*range(df['year'].min(),df['year'].max()+5)][::5]
#output : [2000, 2005, 2010, 2015]
labels=[f"{a}-{b-1}" for a,b in zip(bins,bins[1::])]
#output: ['2000-2004', '2005-2009', '2010-2014']
s=pd.cut(df['year'],bins,labels=labels,include_lowest=True,right=False)

final=(df.assign(year=s).groupby(['petroleum_product','year'],sort=False,as_index=False)
 .agg({'max_sale':'max', 'min_sale':'min','avg_sale':'mean'}))

---

---

@SuyenShrestha 2010-2014年的最大值是多少227？如果2012年的值为258（检查第3行）@SuyenShrestha，这意味着年份列是字符串列，请首先转换为int或float

df['year']=df['year'].astype（int）

或

df['year']=pd.to_numeric（df['year']，errors='concurrence'）

@SuyenShrestha没问题，如果有效，请检查并评估错误：分类类别必须是唯一的。我遇到此错误不知道原因？@SuyenShrestha在看不到原始数据的情况下很难判断。可能会尝试我认为

“-”。join（…

在这里更好：）不错的解决方案bdw+1您还可以使用格式参数转换为datetime:

pd.to_datetime（df['year'，format='%Y'）

：）@anky_91 ty作为提示：）@anky_91我从未见过“to_datetime”命令只使用年份格式。我真的很感激这个提示，我今天学到了一些新东西，谢谢：）在计算石油产品的平均值和最小值时，是否可以省略“0”值？例如：在2010-2014年间，如果我们在计算min of min_sale时忽略“0”值，我们得到227，avg of avg_sale为242.5，而不是97。如果在groupby之前将零转换为NaN，我相信代码会满足您的要求，但我现在不在电脑上编辑答案：/

bins=[*range(df['year'].min(),df['year'].max()+5)][::5]
#output : [2000, 2005, 2010, 2015]
labels=[f"{a}-{b-1}" for a,b in zip(bins,bins[1::])]
#output: ['2000-2004', '2005-2009', '2010-2014']
s=pd.cut(df['year'],bins,labels=labels,include_lowest=True,right=False)

final=(df.assign(year=s).groupby(['petroleum_product','year'],sort=False,as_index=False)
 .agg({'max_sale':'max', 'min_sale':'min','avg_sale':'mean'}))

  petroleum_product       year  max_sale  min_sale  avg_sale
0  Light Diesel Oil  2010-2014      3416        88    1420.8
1  Light Diesel Oil  2005-2009       377       179     278.0
2  Light Diesel Oil  2000-2004       258         0      97.0