Python数据框架：按日期分组和按类型求和

我有一个数据框架，我想根据日期（每天或每周）进行分组，并将两个不同类别的总数相加

data = {'Date' : ['2020-08-20','2020-08-20','2020-08-21','2020-08-21',
        '2020-08-22','2020-08-22'],
        'Name' : ['Ben','Ben','Ben','Sam','Sam','Sam'],
        'Sales ($)' : [10,5,2,5,6,7]
       }

df=pd.DataFrame(data, columns = ['Date','Name','Sales ($)'])

所以它看起来像这样：

grouped_data = {'Date' : ['2020-08-20','2020-08-21','2020-08-22'],
               'Ben' : [15,2,0],
               'Sam' : [0,5,13],
               }

df=pd.DataFrame(grouped_data, columns = ['Date','Ben','Sam'])

---

这应该适合您：

df.groupby(['Date','Name']).sum().reset_index()

如果要添加每周、每日频率，请首先将日期列转换为日期时间：

df['Date']=pd.to_datetime（df['Date']）

然后，您可以在此处添加频率（

W

用于每周，

D

用于每天..）

---

df.groupby（[pd.Grouper（key=“Date”，freq=“D”），'Name']）.sum（）.reset_index（）

第一个groupby

'Date'

和

'Name'

df.groupby(['Date', 'Name']).sum().unstack(-1).replace(
    np.nan, 0).droplevel(axis=1, level=0)

然后获取

和

unstack

将名称（在最后一个索引级别）设置为列，

将
np.nan
替换为零，最后将
droplevel
从列中删除
'Sales（$）

结果如下：

# Out:
Name         Ben   Sam
Date                  
2020-08-20  15.0   0.0
2020-08-21   2.0   5.0
2020-08-22   0.0  13.0


假设您希望按周或月进行分组，我建议将
'Date'
列解析为
datetime
：

df['Date_dt'] = pd.to_datetime(df['Date'])

现在，您可以每周或每月提取约会石斑鱼：

# weekly grouper
date_grouper = df['Date_dt'].dt.week
# monthly grouper
date_grouper = df['Date_dt'].dt.month

并使用此grouper获得每周/每月分组：

df.groupby([date_grouper, 'Name']).sum().unstack(-1).replace(
    np.nan, 0).droplevel(axis=1, level=0)

当然，将
'Date'
列替换为新的datetime日期也可以将其设置为索引。但是当将其设置为索引时，您必须忽略访问
dt
属性，f.i.
date\u gropper=df.index.week

将日期解析为
datetime
还允许使用其他分组，例如
day
，
dayofweek
，
dayofyear
，
hour
，
minute
，
second
，
这是一项工作，
pd.pivot\u表（df，index=[“date”]，value=[“Sales（$）”），columns=[“Name”]，aggfunc=[sum]）。fillna（0.0）
So。。。有用吗？太好了，谢谢。是否可以更进一步——当我有一个月又一个月的数据时，我可以做同样的事情，但按周或月分组吗？使用Grouper功能？不客气！当然，那应该很容易。你能在你的问题中添加一些每月分组的样本数据吗？