Python 尝试求和以更快/更容易的方式组合大量列。。。感谢您的帮助
我试着将列的总数分成30组(每月)。每栏为一天。几乎有2000列 每行是一个单独的产品,大约有30000个 下面是我用jupyter对它们进行总结的步骤 我的问题是,有没有一种更简单/更快的方法可以做到这一点,而不必再做60次以上我在下面做的事情Python 尝试求和以更快/更容易的方式组合大量列。。。感谢您的帮助,python,pandas,Python,Pandas,我试着将列的总数分成30组(每月)。每栏为一天。几乎有2000列 每行是一个单独的产品,大约有30000个 下面是我用jupyter对它们进行总结的步骤 我的问题是,有没有一种更简单/更快的方法可以做到这一点,而不必再做60次以上我在下面做的事情 Month1 = (df_sales["d_1"] + df_sales["d_2"] + df_sales["d_3"] + df_sales["d_4"] + df_sales["d_5"] + df_sales["d_6"] + df_sa
Month1 = (df_sales["d_1"] + df_sales["d_2"] + df_sales["d_3"] + df_sales["d_4"] + df_sales["d_5"] + df_sales["d_6"] + df_sales["d_7"] + df_sales["d_8"] + df_sales["d_9"] + df_sales["d_10"]
+ df_sales["d_11"] + df_sales["d_12"] + df_sales["d_13"] + df_sales["d_14"] + df_sales["d_15"] + df_sales["d_16"] + df_sales["d_17"] + df_sales["d_18"] + df_sales["d_19"] + df_sales["d_20"]
+ df_sales["d_21"] + df_sales["d_22"] + df_sales["d_23"] + df_sales["d_24"] + df_sales["d_25"] + df_sales["d_26"] + df_sales["d_27"] + df_sales["d_28"] + df_sales["d_29"] + df_sales["d_30"])
如果表中每个月有30天(列),并且从第一列开始,则可以执行以下操作:
all_months = pd.concat((df_sales.iloc[:, i:i+30].sum(axis=1)
for i in range(0, df_sales.shape[1], 30)),
axis=1)
获取所有月份总和的数据帧
替换
range(0, df_sales.shape[1], 30)
与
如果您的天数从列n
开始(请注意,第一列的编号为0
)
如果表中每个月有30天(列),并且从第一列开始,则可以执行以下操作:
all_months = pd.concat((df_sales.iloc[:, i:i+30].sum(axis=1)
for i in range(0, df_sales.shape[1], 30)),
axis=1)
获取所有月份总和的数据帧
替换
range(0, df_sales.shape[1], 30)
与
如果您的日期从列
n
(请注意,第一列的编号为0
)。听起来您的设计有问题。您应该使用date
列将它们分开。然后你可以按日期的月份分组。听起来你的设计有问题。您应该使用date
列将它们分开。然后你可以按日期的月份分组。谢谢MarianD!我正试图得到像这样的东西,而你却让我看到了我所缺少的:)谢谢MarianD!我试图得到这样的东西,而你却向我展示了我所缺少的:)