Pandas Grouper：如何使用偏移量和原点来获得自定义的每月频率？

Question

我想在自定义日期范围内对我的数据进行分组和汇总。我想按月范围分组，但从每个月的第 10 天开始和结束。 Pandas Grouper 中默认的freq 值M 或MS 仅允许每个月的第一天或最后一天。根据文档，我认为使用 offset 参数可以让我在每个月的第 10 天开始和结束，但它似乎没有效果。 origin 参数似乎也没有效果。请看下面的例子：

创建玩具数据框（df）：

df = pd.DataFrame(columns=["date", "amount"], data=[["2021-01-01", 1],
                                                    ["2021-01-02", 1],
                                                    ["2021-01-20", 1],
                                                    ["2021-02-02", 1],
                                                    ["2021-02-11", 1],
                                                    ["2021-03-05", 1],
                                                    ["2021-03-27", 1],])
df["date"] = pd.to_datetime(df["date"])

df 现在看起来像：

    date       amount
0   2021-01-01   1
1   2021-01-02   1
2   2021-01-20   1
3   2021-02-02   1
4   2021-02-11   1
5   2021-03-05   1
6   2021-03-27   1

现在我尝试使用 offset 参数按自定义的每月范围进行分组。我希望它的范围是从每个月的第 10 天到下个月的第 9 天。另外，我希望在2021-01-05 开始我的分组，不管前几天。

df.groupby(pd.Grouper(key='date', freq="1MS", closed="left",
                      offset="10D", origin="2021-01-05")).sum()

预期输出：

           amount
date    
2021-01-10   2
2021-02-10   2
2021-03-10   1

实际输出：

           amount
date    
2021-01-01   3
2021-02-01   2
2021-03-01   2

如您所见，offset 和 origin 参数似乎都没有被考虑在内！

编辑 1：This question 是相关的，因为最终目标相似，但没有询问 offset 和 origin 的使用。此外，该问题的答案还不够充分。

编辑 2：删除了代码和输出的图像，并替换为文本代码。

Answer 1

几个月很难驯服...

您可以使用pd.DateOffset 和pd.cut 使用以下方法：

start, end = df.date.iloc[0], df.date.iloc[-1]
ms1_d10 = pd.DateOffset(months=1, day=10)
bins = pd.date_range(start - ms1_d10, end + ms1_d10, freq=ms1_d10)
result = df.groupby(pd.cut(df.date, bins=bins)).sum()

使用数据框

df = pd.DataFrame(
    {"date": ["2021-01-01", "2021-01-02", "2021-01-10", "2021-02-02",
              "2021-02-11", "2021-03-05", "2021-03-27"],
     "amount": 1}
)
df.date = pd.to_datetime(df.date)

这导致

                          amount
date                            
(2020-12-10, 2021-01-10]       3
(2021-01-10, 2021-02-10]       1
(2021-02-10, 2021-03-10]       2
(2021-03-10, 2021-04-10]       1

如果你不喜欢你可以使用标签的间隔：

result = df.groupby(pd.cut(df.date, bins=bins, labels=bins[1:])).sum()

                     amount
date                       
2021-01-10 00:00:00       3
2021-02-10 00:00:00       1
2021-03-10 00:00:00       2
2021-04-10 00:00:00       1