首页
学习
活动
专区
工具
TVP
发布
精选内容/技术社群/优惠产品,尽在小程序
立即前往
  • 您找到你想要的搜索结果了吗?
    是的
    没有找到

    《Pandas Cookbook》第10章 时间序列分析1. Python和Pandas日期工具的区别2. 智能切分时间序列3. 只使用适用于DatetimeIndex的方法4. 计算每周的犯罪数5.

    1061 2012-02-02 926 Freq: W-THU, dtype: int64 # groupby方法可以重现上面的resample,唯一的不同是要在pd.Grouper...('W', on='REPORTED_DATE').size() weekly_crimes2.equals(weekly_crimes) Out[92]: True # 也可以通过pd.Grouper...的参数key设为Timestamp,来进行分组 In[93]: weekly_crimes_gby2 = crime.groupby(pd.Grouper(key='REPORTED_DATE', freq...('1975-06-09 00:00:00') # 为了解决前面的分组问题,必须将日期和性别同时分组 In[138]: sal_avg2 = employee.groupby(['GENDER', pd.Grouper...Out[147]: Timestamp('2017-08-31 23:52:00') # 统计每月的犯罪和交通事故数量 In[148]: all_data = crime_sort.groupby([pd.Grouper

    4.7K10

    只会环比下降3%的数据分析师还有救吗?

    def YOY_2014(df): df=df.groupby(pd.Grouper(key='day',freq='Y')).sum() # .pct_change()常用于求同比增速度...实现思路: 以购买日期为标准对数据进行分组聚合,并对时间进行降采样至月 分别提取每年各月的销售数据 # 分组聚合+降采样方法一: df=df.groupby(pd.Grouper(key='day',...以购买日期为标准对数据进行分组聚合,并对时间进行降采样至日 利用日期对数据进行分段切片 对分段数据进行求和并计算同比增速 def situation_2015_2(df): df=df.groupby(by=pd.Grouper...实现思路: 对数据按大类和日期进行分类聚合 通过时间戳进行切片获取相应时间段的数据 def marketing_plan_2015(df): df=df.groupby(by=[pd.Grouper

    78010

    扫码

    添加站长 进交流群

    领取专属 10元无门槛券

    手把手带您无忧上云

    扫码加入开发者社群

    相关资讯

    热门标签

    活动推荐

      运营活动

      活动名称
      广告关闭
      领券