Python 熊猫每年对特定月份范围内的每个值求和

我想对每年1月到6月的数据进行汇总。我有一个如下所示的数据帧：

Date       Value
1980-01-01 2
1980-02-01 3
1980-03-01 3
1980-04-01 2
1980-05-01 3
1980-06-01 3

Date       Value   Sum
1980-01-01 2       16
1980-02-01 3
1980-03-01 3
1980-04-01 2
1980-05-01 3
1980-06-01 3

然后，我希望有一个新的列，将数据值存储为每年每隔6个月的

Sum

，这样在本例中，Sum将=16。我尝试使用

df.groupby（）

和

df.sum（）

的组合，但没有完全理解

预期输出如下所示：

Date       Value
1980-01-01 2
1980-02-01 3
1980-03-01 3
1980-04-01 2
1980-05-01 3
1980-06-01 3

Date       Value   Sum
1980-01-01 2       16
1980-02-01 3
1980-03-01 3
1980-04-01 2
1980-05-01 3
1980-06-01 3

然后过滤

---

我假设

date

是您示例中的索引。如果是列更改，则需要在筛选器中使用，并在

重采样中指定列名

dfa = pd.DataFrame({'date':idx,'A':range(len(idx))})
>>> sums = dfa.loc[dfa.date.dt.month.isin([1,2,3,4,5,6])].resample('YS',on='date').sum()
>>> sums['A'].values
array([ 15,  87, 159, 231, 303, 375, 447, 519, 390], dtype=int64)

你也可以按六个月的频率重新取样/汇总，然后每隔一次就取一次结果——即使序列中缺少几个月，这似乎也能奏效

>>> dfq = dfa.loc[::2]
>>> dfq.head()
        date  A
0 2018-01-01  0
2 2018-03-01  2
4 2018-05-01  4
6 2018-07-01  6
8 2018-09-01  8
>>> dfc = dfq.resample('6MS', on='date').sum()
>>> dfc.loc[::2].head()
              A
date           
2018-01-01    6
2019-01-01   42
2020-01-01   78
2021-01-01  114
2022-01-01  150


如果数据帧仅包含每年的前六个月，则不需要进行筛选。只需重新采样

>>> dfb = dfa.loc[dfa.date.dt.month.isin([1,2,3,4,5,6])]
>>> dfb.resample('YS',on='date').sum().head()
              A
date           
2018-01-01   15
2019-01-01   87
2020-01-01  159
2021-01-01  231
2022-01-01  303
>>> 

然后过滤


我假设
date
是您示例中的索引。如果是列更改，则需要在筛选器中使用，并在
重采样中指定列名

dfa = pd.DataFrame({'date':idx,'A':range(len(idx))})
>>> sums = dfa.loc[dfa.date.dt.month.isin([1,2,3,4,5,6])].resample('YS',on='date').sum()
>>> sums['A'].values
array([ 15,  87, 159, 231, 303, 375, 447, 519, 390], dtype=int64)

你也可以按六个月的频率重新取样/汇总，然后每隔一次就取一次结果——即使序列中缺少几个月，这似乎也能奏效

>>> dfq = dfa.loc[::2]
>>> dfq.head()
        date  A
0 2018-01-01  0
2 2018-03-01  2
4 2018-05-01  4
6 2018-07-01  6
8 2018-09-01  8
>>> dfc = dfq.resample('6MS', on='date').sum()
>>> dfc.loc[::2].head()
              A
date           
2018-01-01    6
2019-01-01   42
2020-01-01   78
2021-01-01  114
2022-01-01  150


如果数据帧仅包含每年的前六个月，则不需要进行筛选。只需重新采样

>>> dfb = dfa.loc[dfa.date.dt.month.isin([1,2,3,4,5,6])]
>>> dfb.resample('YS',on='date').sum().head()
              A
date           
2018-01-01   15
2019-01-01   87
2020-01-01  159
2021-01-01  231
2022-01-01  303
>>> 

你能显示你的预期产出吗？我编辑了预期产出的问题。你的数据中有不同的月/年？类似于
df.loc[df[“Date”].dt.month.le（6）].groupby（df[“Date”].dt.year）[“Value”].transform（'sum'））
？
我将如何更改它…
-使用
isin
而不是
le
，并指定一个整数序列。你能显示你的预期输出吗？我编辑了预期输出的问题。你的数据中有不同的月/年？类似于
df.loc[df[“Date”].dt.month.le（6）].groupby（df[“Date”].dt.year）[“值”]。转换（'sum'）
？
我将如何更改它…
-使用
isin
而不是
le
，并指定一个整数序列。我得到一个错误：“Int64Index”对象没有属性“month”，如果它有任何区别，我编辑了我的数据框，使其仅包含每年前6个月的数据。因此，1980年1月-6月，然后是1981年1月-6月，等等。然后我该如何每6个月对数据进行一次汇总，但不使其成为历年的累计汇总？@EliTurasky-欢迎光临。这不是一个讨论论坛或教程。请花点时间阅读和阅读该页面上的其他链接。请不要不断修改问题。很公平。谢谢您的回复是。我得到了这个错误：“Int64Index”对象没有属性“month”，如果它有任何区别，我编辑了我的数据框，只包含每年前6个月的数据。那么1980年1月-6月，然后是1981年1月-6月，等等。那么我如何每6个月对数据求和一次，但不使其成为所有年份的累积和？@EliTurasky-欢迎来到SO。这不是一个讨论论坛或教程。请花时间阅读和阅读该页面上的其他链接。请不要不断修改问题。足够公平。谢谢。