大熊猫一周一周

Question

我有这个数据框:

Name   Date    Quantity
Apple  07/11/17  20
orange 07/14/17  20
Apple  07/14/17  70
Orange 07/25/17  40
Apple  07/20/17  30

我想通过名称和日期汇总这个以获得数量总和详细信息:

日期:分组,结果应该在一周的开头(或者只是在星期一)

数量:总和,如果两个或多个记录具有相同的名称和日期(如果是相同的间隔)

所需的输出如下:

Name   Date    Quantity
Apple  07/10/17  90
orange 07/10/17  20
Apple  07/17/17  30
orange 07/24/17  40

提前致谢

Answer 1

首先转换列date to_datetime并减去一周.

然后使用groupby与Grouper由W-MON和汇总sum:

df['Date'] = pd.to_datetime(df['Date']) - pd.to_timedelta(7, unit='d')
df = df.groupby(['Name', pd.Grouper(key='Date', freq='W-MON')])['Quantity']
       .sum()
       .reset_index()
       .sort_values('Date')
print (df)
     Name       Date  Quantity
0   Apple 2017-07-10        90
3  orange 2017-07-10        20
1   Apple 2017-07-17        30
2  Orange 2017-07-24        40

Answer 2

让我们使用groupby,resample使用W-Mon和sum:

df.groupby('Name').resample('W-Mon', on='Date').sum().reset_index().sort_values(by='Date')

输出:

     Name       Date  Quantity
0   Apple 2017-07-17        90
3  orange 2017-07-17        20
1   Apple 2017-07-24        30
2  Orange 2017-07-31        40

Answer 3

您已经收到了很多好的答案，并且问题已经很老了，但是，考虑到某些解决方案使用已弃用的函数，并且我遇到了同样的问题，并找到了一个不同的解决方案，我认为这可能对分享它的人有所帮助。

鉴于您提出的数据框：

Name   Date    Quantity
Apple  07/11/17  20
orange 07/14/17  20
Apple  07/14/17  70
Orange 07/25/17  40
Apple  07/20/17  30

我们必须将“日期”中的值转换为 Pandas 的日期时间，因为它们现在是字符串。
然后我们可以使用 Series 的dt属性，它允许我们处理类似 DateTime 的系列并提取信息。

Name   Date    Quantity
Apple  07/11/17  20
orange 07/14/17  20
Apple  07/14/17  70
Orange 07/25/17  40
Apple  07/20/17  30

通过使用日期时间格式，我们可以使用 dt 参数来提取与日期相关的周数。为了不丢失任何信息，我更喜欢添加一个包含周数的新列。一旦检索到周数，我们就可以按该周进行分组。

df['Date'] = pd.to_datetime(df['Date'], format='%m/%d/%y')

小问题：如果我们考虑不同年份怎么办？

可能存在这样的情况，我们的数据有一定的年份范围，在这种情况下，我们不能只考虑周（否则我们会将一年的数据混合到另一年），因此从其中提取年份列会很有用等历（）。

df['WeekNumber'] = df['Date'].dt.isocalendar().week
df.groupby(['Name', 'WeekNumber']).sum()

Name    WeekNumber  
Apple   28  90
        29  30
Orange  28  20
        30  40

Answer 4

首先将列日期转换为_datetime。从星期一开始，它将按周分组。它将输出星期数（但您可以更改在

http://strftime.org/

df.groupby(['name', df['date'].dt.strftime('%W')])['quantity'].sum()

输出：

name    date
apple   28      90
        29      30
orange  28      20
        30      40