每周分组 python pandas 数据帧（从星期一开始）

Posted 2023-03-11

【中文标题】每周分组 python pandas 数据帧（从星期一开始）

【英文标题】：Group python pandas dataframe per weeks (starting on Monday)

【发布时间】：2018-03-15 16:50:53

【问题描述】：

我有一个包含每天值的数据框（请参阅下面的 df）。 我想每周对“预测”字段进行分组，但将星期一作为一周的第一天。

目前我可以通过 pd.TimeGrouper('W') 来完成（参见下面的 df_final），但它从星期日开始对一周进行分组（参见下面的 df_final）

import pandas as pd
data = [("W1","G1",1234,pd.to_datetime("2015-07-1"),8),
        ("W1","G1",1234,pd.to_datetime("2015-07-30"),2),
        ("W1","G1",1234,pd.to_datetime("2015-07-15"),2),
        ("W1","G1",1234,pd.to_datetime("2015-07-2"),4),
        ("W1","G2",2345,pd.to_datetime("2015-07-5"),5),
        ("W1","G2",2345,pd.to_datetime("2015-07-7"),1),
        ("W1","G2",2345,pd.to_datetime("2015-07-9"),1),
        ("W1","G2",2345,pd.to_datetime("2015-07-11"),3)]

labels = ["Site","Type","Product","Date","Forecast"]
df = pd.DataFrame(data,columns=labels).set_index(["Site","Type","Product","Date"])
df


                              Forecast
Site Type Product Date                
W1   G1   1234    2015-07-01         8
                  2015-07-30         2
                  2015-07-15         2
                  2015-07-02         4
     G2   2345    2015-07-05         5
                  2015-07-07         1
                  2015-07-09         1
                  2015-07-11         3



df_final = (df
     .reset_index()
     .set_index("Date")
     .groupby(["Site","Product",pd.TimeGrouper('W')])["Forecast"].sum()
     .astype(int)
     .reset_index())
df_final["DayOfWeek"] = df_final["Date"].dt.dayofweek
df_final

  Site  Product       Date  Forecast  DayOfWeek
0   W1     1234 2015-07-05        12          6
1   W1     1234 2015-07-19         2          6
2   W1     1234 2015-08-02         2          6
3   W1     2345 2015-07-05         5          6
4   W1     2345 2015-07-12         5          6

【问题讨论】：

我认为 W-MON 而不是 W 应该会有所帮助。

【参考方案1】：

使用W-MON 代替W，检查anchored offsets：

df_final = (df
     .reset_index()
     .set_index("Date")
     .groupby(["Site","Product",pd.Grouper(freq='W-MON')])["Forecast"].sum()
     .astype(int)
     .reset_index())

df_final["DayOfWeek"] = df_final["Date"].dt.dayofweek
print (df_final)
  Site  Product       Date  Forecast  DayOfWeek
0   W1     1234 2015-07-06        12          0
1   W1     1234 2015-07-20         2          0
2   W1     1234 2015-08-03         2          0
3   W1     2345 2015-07-06         5          0
4   W1     2345 2015-07-13         5          0

【讨论】：

TimeGrouper 是now deprecated

【参考方案2】：

我对这个问题有三个解决方案，如下所述。首先，我应该声明前接受的答案是不正确的。原因如下：

# let's create an example df of length 9, 2020-03-08 is a Sunday
s = pd.DataFrame('dt':pd.date_range('2020-03-08', periods=9, freq='D'),
                  'counts':0)
> s

	dt	counts
0	2020-03-08 00:00:00	0
1	2020-03-09 00:00:00	0
2	2020-03-10 00:00:00	0
3	2020-03-11 00:00:00	0
4	2020-03-12 00:00:00	0
5	2020-03-13 00:00:00	0
6	2020-03-14 00:00:00	0
7	2020-03-15 00:00:00	0
8	2020-03-16 00:00:00	0

这九天跨越三个周一至周日。 3 月 2 日、9 日和 16 日这几周。让我们试试公认的答案：

# the accepted answer
> s.groupby(pd.Grouper(key='dt',freq='W-Mon')).count()

dt	counts
2020-03-09 00:00:00	2
2020-03-16 00:00:00	7

这是错误的，因为 OP 希望在结果数据框中将“星期一作为一周的第一天”（而不是作为一周的最后一天）。让我们看看当我们尝试使用 freq='W' 时会得到什么

> s.groupby(pd.Grouper(key='dt', freq='W')).count()

dt	counts
2020-03-08 00:00:00	1
2020-03-15 00:00:00	7
2020-03-22 00:00:00	1

这个石斑鱼实际上是按照我们的要求进行分组的（周一到周日），但将“dt”标记为一周的结束，而不是开始。因此，为了得到我们想要的，我们可以将索引移动 6 天，例如：

w = s.groupby(pd.Grouper(key='dt', freq='W')).count()
w.index -= pd.Timedelta(days=6)

或者我们可以这样做：

s.groupby(pd.Grouper(key='dt',freq='W-Mon',label='left',closed='left')).count()

第三种解决方案，可以说是最具可读性的解决方案，首先将dt 转换为句点，然后进行分组，最后（如果需要）转换回时间戳：

s.groupby(s.dt.dt.to_period('W'))['counts'].count().to_timestamp()
# a variant of this solution is: s.set_index('dt').to_period('W').groupby(pd.Grouper(freq='W')).count().to_timestamp()

所有这些解决方案都会返回 OP 要求的内容：

dt	counts
2020-03-02 00:00:00	1
2020-03-09 00:00:00	7
2020-03-16 00:00:00	1