使用 Groupby 自定义时间段答案

【问题标题】：Custom Time Periods with Groupby使用 Groupby 自定义时间段
【发布时间】：2016-06-23 03:06:09
【问题描述】：

我有以下 Pandas DataFrame：

import datetime as dt
import pandas as pd
import numpy as np

offset = 3 * pd.tseries.offsets.BMonthEnd()

bond_index_1 = pd.date_range('1/1/14', '1/1/18', freq=offset, name='date')
bond_1 = pd.DataFrame(data = np.random.uniform(0, 5, 16),
                      index= bond_index_1, columns=['cash_flow'])

bond_index_2 = pd.date_range('3/1/14', '3/1/21', freq=offset, name='date')
bond_2 = pd.DataFrame(data = 2*np.random.uniform(0, 10, 28),
                      index= bond_index_2, columns=['cash_flow'])

df_merged = pd.concat([bond_1, bond_2], keys=['Bond_1', 'Bond_2'])

如何按自定义范围获取cash_flow 列中值的总和，该范围从 2014 年 6 月 30 日开始，以 6 个月为间隔在 2016 年 12 月 31 日结束。

因此，间隔将类似于 2014-06-30、2015-12-31、2015-06-30、2015-12-31、2016-06-30、2016-12-31

它还会忽略 MultiIndex 中的“键”名称索引。

我已尝试使用 TimeGrouper，但无法使用它，因为 TimeGrouper 从您的时间序列中最早的值开始并向前移动。

【问题讨论】：

标签： python pandas pandas-groupby date-arithmetic

【解决方案1】：

resample 似乎是解决问题的简单方法之一。

print df_merged.reset_index().set_index('date').resample('6M', how='sum', closed='left', loffset='-1M')

产量，

            cash_flow
date                 
2014-06-30  16.058478
2014-12-31  24.282106
2015-06-30  32.777176
2015-12-31  33.661801
2016-06-30  26.779571
2016-12-31  17.435089
2017-06-30  30.914194
2017-12-31  20.117823
2018-06-30  29.505178
2018-12-31  17.245787
2019-06-30  22.975058
2019-12-31  17.742220
2020-06-30  11.646266
2020-12-31  20.077632

【讨论】：

这很棒。感谢您的回复。我错过了您可以对重采样应用偏移量的事实。