Pandas 按月份和年份分组

在本文中，我们将介绍如何使用Pandas按照月份和年份进行分组。

Pandas分组基础知识

在介绍按月份和年份分组之前，我们需要了解Pandas中的分组基础知识。

在Pandas中，我们可以使用groupby方法对数据进行分组。该方法需要指定分组的列名或标签。例如，假设我们有以下的数据集：

我们可以使用如下的代码将数据集按照国家进行分组：

import pandas as pd

data = pd.read_csv('data.csv')
grouped = data.groupby('国家')

其中，groupby方法返回的是一个GroupBy对象。我们可以进一步进行聚合操作，如计算每个国家的总销售额：

sum_by_country = grouped.agg({'销售额': 'sum'})

现在我们已经了解了Pandas的分组基础知识，接下来我们来介绍如何按月份和年份进行分组。

假设我们有如下的数据集：

我们想要计算每个月的总销售额。首先，我们需要将日期转换为Pandas的日期类型：

import pandas as pd

data = pd.read_csv('data.csv')
data['日期'] = pd.to_datetime(data['日期'])

然后，我们可以使用Pandas的resample方法按照月份进行重采样，然后再进行分组：

resample_data = data.resample('M', on='日期').sum()
grouped_data = resample_data.groupby([resample_data.index.year, resample_data.index.month])

上面代码中，我们首先使用resample方法将数据按照月份进行重采样，并且使用sum函数计算每个月的总销售额。然后，我们使用groupby方法将数据按照年份和月份进行分组。

现在，我们可以计算每个月的总销售额：

sum_by_month = grouped_data.agg({'销售额': 'sum'})

下面我们来看一个完整的示例。假设我们有如下的数据集：

我们想要计算每个月的总销售额。首先，我们需要将日期转换为Pandas的日期类型：

import pandas as pd

data = pd.read_csv('data.csv')
data['日期'] = pd.to_datetime(data['日期'])

然后，我们可以使用Pandas的resample方法按照月份进行重采样，然后再进行分组：

resample_data = data.resample('M', on='日期').sum()
grouped_data = resample_data.groupby([resample_data.index.year, resample_data.index.month])

最后，我们可以计算每个月的总销售额：

sum_by_month = grouped_data.agg({'销售额': 'sum'})
print(sum_by_month)

输出结果为：

         销售额
2020 1   300
     2   450
     3   370
2021 1   270
     2   300
     3   450

我们可以看到，每个月的总销售额已经被正确计算出来了。

本文介绍了如何使用Pandas按照月份和年份进行分组，包括分组基础知识、按月份和年份分组的示例代码。希望本文能够对大家有所帮助。