pandas 按照半年为周期重采样

看过来

《pandas 教程》持续更新中，提供建议、纠错、催更等加作者微信: gairuo123（备注：pandas教程）和关注公众号「盖若」ID: gairuo。跟作者学习，请进入 Python学习课程。欢迎关注作者出版的书籍：《深入浅出Pandas》和《Python之光》。

时序数据分析的难点在于对时间分组的复杂性，pandas 提供了非常方法的时间重采样的接口，重采样周期可以用字符形式的别名来指定，这样就大大简化了操作，让们将分析的重点聚焦在业务分析上，而不是时间窗口的算法上。

数据与需求

本需求的源数据如下：

import pandas as pd
from io import StringIO

data = '''
x,y
202109,1
202110,2
202111,3
202112,4
202201,5
202202,6
202203,7
202204,8
202205,9
202206,10
202207,11
202208,12
202209,13
'''

df = pd.read_csv(StringIO(data))
df
# ...

这是一个月份数字和单纯数字组成的两列数据，需求期望我们将月份按自然半年为一个周期进行聚合分组，然后求得每个半年的数字之和。

结果的形式如下：

'''
          y
x          
2021下半年  10
2022上半年  45
2022下半年  36
'''

思路

使用 pandas 的重采样工具 resample() 可以轻松实现这个时间的分组操作，在此之前要对 x 列进行数据类型转换，转为时间类型，并将其设置为索引。

计算得到结果后，就是对索引进行修改，修改为年份加上下半年字样。我们可以写一个函数并用 map 来对 Index 对象应用来完成。

代码

先查看数据类型，发现 x 列是数字：

df.dtypes
'''
x    int64
y    int64
dtype: object
'''

根据数字形式表示转为时间类型：

df.x = pd.to_datetime(df.x, format='%Y%m')
df.dtypes
'''
x    datetime64[ns]
y             int64
dtype: object
'''

将时间列设置为索引将应用 resample() 方法进行重采样。注意，频率我们用了 Q（季度），两个 Q 为半年，再加 S 表示季度的开始时间，因为 Q 默认是结果日期。

df_temp = df.set_index('x').resample('2QS').sum()
df_temp
'''
             y
x
2021-07-01  10
2022-01-01  45
2022-07-01  36
'''

重采样后，调用 sum() 方法得到了每个半年的数值之和。

接下来修改索引的值，编写一个函数让索引对象的 map 方法来映射调用。map 高阶函数传入的是索引上的每个值，这个值是时间类型的，最后返回一个处理后的值。

def rename(date: pd.Timestamp):
    year = str(date.year)
    if date.month==1:
        return year + '上半年'
    else:
        return year + '下半年'

应用函数，得到最终结果：

df_temp.index = df_temp.index.map(rename)
df_temp
'''
          y
x
2021下半年  10
2022上半年  45
2022下半年  36
'''

这样，我们就得到了期望的数据。

（完）

pandas 按照半年为周期重采样

数据与需求

思路

代码

相关内容