【Python】【DataFrame】如何按照日期列统计数据列（按照日期或者按照年月）

2023-06-11 21:44| 来源: 网络整理| 查看: 265

一、当使用DataFrame进行数据分析时，可以使用日期列来进行统计和聚合操作。按照日期列统计数据列： import pandas as pd # 创建示例DataFrame data = { '日期': ['2023-06-01', '2023-06-02', '2023-06-02', '2023-06-03', '2023-06-03'], '数值': [10, 15, 20, 25, 30] } df = pd.DataFrame(data) # 将日期列转换为日期类型 df['日期'] = pd.to_datetime(df['日期']) # 按照日期列进行统计，这里以求和为例 result = df.groupby('日期')['数值'].sum() # 打印结果 print(result)

输出结果：

日期 2023-06-01 10 2023-06-02 35 2023-06-03 55 Name: 数值, dtype: int64

使用pd.to_datetime将日期列转换为日期类型。接下来，使用groupby方法按照日期列进行分组，并选择要统计的数据列。在这里，我们选择了'数值'列，并使用sum方法对每个日期进行求和操作。最后，打印结果。

你可以根据实际需求修改统计的方法，比如使用mean计算平均值、max获取最大值等。

二、按照年月进行统计：

使用pd.to_datetime将日期列转换为日期时间类型，并利用该类型的属性进行分组操作。上代码：

import pandas as pd # 创建示例DataFrame data = { '日期': ['2023-06-01', '2023-06-02', '2023-07-01', '2023-07-02', '2023-08-01'], '数值': [10, 15, 20, 25, 30] } df = pd.DataFrame(data) # 将日期列转换为日期时间类型 df['日期'] = pd.to_datetime(df['日期']) # 提取年月作为新的列 df['年月'] = df['日期'].dt.to_period('M') # 按照年月进行统计，这里以求和为例 result = df.groupby('年月')['数值'].sum() # 打印结果 print(result)

输出结果：

年月 2023-06 25 2023-07 45 2023-08 30 Freq: M, Name: 数值, dtype: int64

使用pd.to_datetime将日期列转换为日期时间类型。接下来，我们使用dt.to_period('M')提取年月，并将其存储为新的列'年月'。然后，我们使用groupby方法按照'年月'列进行分组，并选择要统计的数据列。在这里，我们选择了'数值'列，并使用sum方法对每个年月进行求和操作。最后，打印结果。

【本文地址】

公司简介

联系我们