Witam i z góry dziękuję za pomoc. Mam prostą ramkę danych z dwiema kolumnami. Nie ustawiłem jawnie indeksu, ale uważam, że ramka danych otrzymuje indeks całkowity, który widzę po lewej stronie wyjścia. Pytanie poniżej:
df = pandas.DataFrame(res)
df.columns = ["date", "pb"]
df["date"] = pandas.to_datetime(df["date"])
df.dtypes
date datetime64[ns]
pb float64
dtype: object
date pb
0 2016-04-01 24199.933333
1 2016-03-01 23860.870968
2 2016-02-01 23862.275862
3 2016-01-01 25049.193548
4 2015-12-01 24882.419355
5 2015-11-01 24577.000000
date datetime64[ns]
pb float64
dtype: object
Chciałbym przestawić ramkę danych tak, żebym miał lata na górze (kolumny): 2016, 2015, itp i wiersz dla każdego miesiąca: 1 - 12.
Odpowiedzi:
6 dla odpowiedzi № 1Używając .dt accessor możesz tworzyć kolumny na rok i miesiąc, a następnie przestawiać je na następujące:
df["Year"] = df["date"].dt.year
df["Month"] = df["date"].dt.month
pd.pivot_table(df,index="Month",columns="Year",values="pb",aggfunc=np.sum)
Alternatywnie, jeśli nie chcesz innych kolumn, możesz:
pd.pivot_table(df,index=df["date"].dt.month,columns=df["date"].dt.year,
values="pb",aggfunc=np.sum)
Z moim zestawem danych dummy, który generuje:
Year 2013 2014 2015 2016
date
1 92924.0 102072.0 134660.0 132464.0
2 79935.0 82145.0 118234.0 147523.0
3 86878.0 94959.0 130520.0 138325.0
4 80267.0 89394.0 120739.0 129002.0
5 79283.0 91205.0 118904.0 125878.0
6 77828.0 89884.0 112488.0 121953.0
7 78839.0 94407.0 113124.0 NaN
8 79885.0 97513.0 116771.0 NaN
9 79455.0 99555.0 114833.0 NaN
10 77616.0 98764.0 115872.0 NaN
11 75043.0 95756.0 107123.0 NaN
12 81996.0 102637.0 114952.0 NaN
2 dla odpowiedzi nr 2
Za pomocą stack zamiast pivot
df = pd.DataFrame(
dict(date=pd.date_range("2013-01-01", periods=42, freq="M"),
pb=np.random.rand(42)))
df.set_index([df.date.dt.month, df.date.dt.year]).pb.unstack()
