如何在pandas中结合使用pd.grouper和groupby
如何在pandas中结合使用pd.grouper和groupby
提问于 2020-04-08 00:13:36
这是我的数据帧
S2PName-Category S2BillDate totSale
0 Food 2019-05-18 2150.0
1 Beverages 2019-05-19 403.0
2 Food 2019-05-19 7254.0
3 Others 2019-05-19 200.0
4 Juice 2019-05-19 125.0
5 Snacks 2019-05-19 70.0
6 Food 2019-06-21 11932.0我想按s2PName-category进行分组，并按频率(每月、每周或每天)和agg totsale对s2Billdate进行分组
例如，如果我以每月为频率的账单日期分组，那么我的结果应该有‘食品’的月份‘五月’和‘六月’，他们的总销售额总和。
我设法写了一些代码，如下所示：
basic_df = basic_df.groupby(['S2PName-Category','S2BillDate'], sort=False)['S2PGTotal'].agg([('totSale','sum')]).reset_index()预期的DF输出：
S2PName-Category S2BillDate totSale
0 Food 2019-05-31 9404.0
1 Beverages 2019-05-31 403.0
3 Others 2019-05-31 200.0
4 Juice 2019-05-31 125.0
5 Snacks 2019-05-31 70.0
6 Food 2019-06-30 11932.0在我预期的o/p df中，我将s2Billdate设置为该月的最后一天，并将该月的totSale设置为agg。我如何才能做到这一点？
回答 2
Stack Overflow用户
发布于 2020-04-08 00:20:29
你可以这样做：
In [706]: df
Out[706]:
Category BillDate totSale
0 Food 2019-05-18 2150.0
1 Beverages 2019-05-19 403.0
2 Food 2019-05-19 7254.0
3 Others 2019-05-19 200.0
4 Juice 2019-05-19 125.0
5 Snacks 2019-05-19 70.0
6 Food 2019-06-21 11932.0
In [710]: df.groupby([df['BillDate'].dt.strftime('%B'), 'Category'])['totSale'].sum()
Out[710]:
BillDate Category
June Food 11932.0
May Beverages 403.0
Food 9404.0
Juice 125.0
Others 200.0
Snacks 70.0
Name: totSale, dtype: float64我相信这就是你想要的。
Stack Overflow用户
发布于 2020-04-08 01:18:49
basic_df_2 = basic_df.groupby(['S2PName-Category',basic_df['S2BillDate'].dt.to_period('M')], sort=False)['S2PGTotal'].agg([('totSale','sum')]).reset_index()dt.to_period将帮助讨论与频率相关的问题！
页面原文内容由Stack Overflow提供。腾讯云小微IT领域专用引擎提供翻译支持
原文链接：
https://stackoverflow.com/questions/61084508
复制相关文章
相似问题
腾讯云开发者
