熊猫，按绝对月份分组

Question

问题：给定一个包含多个条目的数据框和 %Y%m%d 形式的“日期”列（即 yyyy-mm-dd；这些条目以字符串形式出现）什么是一种计算快速的方法来向包含月份字典顺序的数据框中添加一列？

为什么在 StackOverflow 上：给定指定的年份和月份，上述排序允许相对于指定月份轻松上升或下降任意月数。我有一个有效的临时解决方案，但想象一下这个问题之前已经很好地解决了。

上下文：举例来说，给定数据框df：

         date  user
0  2011-10-06     1
1  2011-09-01     2
2  2011-11-05     3
3  2012-01-01     1
4  2012-01-01     2
5  2012-01-02     3

想要的输出是：

         date  user  absmonth
0  2011-10-06     1         2
1  2011-09-01     2         1
2  2011-11-05     3         3
3  2012-01-01     1         4
4  2012-01-01     2         4
5  2012-01-02     3         4

我的尝试：

1) 我做了一个临时定义，它根据简单的算术设置“absmonth”的值；每行通过df.loc[row, 'absmonth'] = ...。这“有效”，但在计算上非常很慢。

2) 使用 groupby：

df['newdate']=pd.to_datetime(df['date'],format='%Y-%m-%d') 
df = df.set_index('newdate')
monthsgroup = df.groupby(df.index.month, df.index.year)

产生错误：

    axis = self._AXIS_ALIASES.get(axis, axis)
TypeError: unhashable type: 'numpy.ndarray'

还有：

months = df.gropuby(df.index.month)
len(months)
4

此时，我应该可以使用 months 在 df 上使用类似“应用”功能的东西，但我有点迷失了......

ps：

pd.__version__
'0.14.0'

感谢您的帮助。

Answer 1

我认为“申请”是一个不错的选择。

我从头到尾提供我当前的解决方案。我想我已经通过现在应用“min”方法来固定排名以获得所需的结果。

import pandas as pd

x = [{'date':'2011-10-06', 'user':1}, {'date':'2011-09-01', 'user':2},{'date':'2011-11-05', 'user':3}, {'date':'2012-01-01', 'user':1},{'date':'2012-01-01', 'user':2}, {'date':'2012-01-02', 'user':3}]

dx = pd.DataFrame(x)

dx['date'] = pd.to_datetime(dx['date'], format='%Y-%m-%d')

def get_ym(s):
  s = str(s)
  s = s[:7]
  s = s.replace('-','')
  return int(s)


dx['absmonth'] = dx['date'].apply(get_ym)
dx['absmonth'] = dx['absmonth'].rank(method='min')

-----
dx = 
        date  user  absmonth
0 2011-10-06     1  2
1 2011-09-01     2  1
2 2011-11-05     3  3
3 2012-01-01     1  4
4 2012-01-01     2  4
5 2012-01-02     3  4

如果有人有更巧妙的解决方案，例如使用 groupby，我全神贯注。

更新： DSM 建议以下解决方案，这是我的方法的紧凑版本并且使用“密集”以 1 为增量进行排名：

dx['absmonth'] = dx['date'].str.split('-').str[:2].rank('dense')

Answer 2

这个怎么样？

df['absmonth'] = df.date
dict = df.absmonth.unique()
dict.sort()
df.absmonth.replace(dict,range(1,len(dict)+1),inplace=True)

编辑如果您更喜欢使用日期而不是最后的格式：

df['absmonth'] = df.date.apply(lambda x: np.datetime64(x, 'M'))
dict = df.absmonth.unique()
dict.sort()
df.absmonth.replace(dict,range(1,len(dict)+1),inplace=True)
df.absmonth=df.absmonth.astype(int)

我认为应该存在一种避免使用 apply 的方法，但我没有找到。 Pandas.to_datetime(df['date'],format='%Y-%m-%d',unit='M') 对我不起作用。 不过，我希望它能完成你想要的。