对熊猫数据框中的某些月份和总和值进行分组

Question

我有一个数据框df，看起来像这样，没有设置索引：

df.head()

    year    month   inch    mm
0   1981    2       0.00    0.000
1   1981    3       4.82    122.428
2   1981    4       6.45    163.830
3   1981    5       5.03    127.762
4   1981    6       1.25    31.750

(1) 首先，我只想选择 1987 年到 2017 年之间的年份。

(2) 然后我想按年份分组选择月份：MAM（所以 3-5）、JJAS（6-9）和 OND（10-12），并对这些月份的 mm 列求和。

结果可能如下所示：

year   season   mm
1981   MAM      360
1981   JJAS     167
...

我不确定如何执行第 1 部分，但我知道对于第 2 部分，我需要将 month 列转换为日期时间对象。

然后我会通过以下方式定义兴趣月份：

MAM = df.iloc[df.index.month.isin(np.r_[3:6])]
JJAS = df.iloc[df.index.month.isin(np.r_[6:10])]
OND = df.iloc[df.index.month.isin(np.r_[10:13])]

但现在我收到错误AttributeError: 'RangeIndex' object has no attribute 'month'。

提前致谢！

Answer 1

第一部分非常简单。使用pd.Series.between:

df = df[df.year.between(1987, 2017)]

如果year 未排序，我建议先排序df，然后使用sort_values(subset='year') 进行排序。

对于下一部分，一种解决方案是生成一个dict 映射，然后使用map 将month 转换为您的映射字符串，然后对其进行分组。

mapping = {3 : 'MAM', 4 : 'MAM', 5 : 'MAM', 6 : 'JJAS' ,... } # complete this
r = df.groupby(['year', df.month.map(mapping)]).sum()

Answer 2

这里有一个稍微不同的方法：使用 year 和 month 构建索引，然后使用 groupby() 和 UDF。

示例数据：

N = 10
years = pd.date_range("1981", "2017", freq="A").year
dates = np.random.choice(years, size=N, replace=True)
months = np.random.choice(range(1,13), size=N, replace=True)
inches = np.random.randint(1,20, size=N)
mm = np.random.randint(1,100, size=N)
data = {"year":dates, "month":months, "inch":inches, "mm":mm}
df = pd.DataFrame(data)

df
   inch  mm  month  year
0    19  31     12  1990
1     8  71      9  1986
2     5  85      2  2009
3    17   8     12  2005
4    10  14     12  1987
5     7  87      2  1982
6     8  59      2  2004
7     8  74      8  2016
8     5   6      6  1993
9     3   7     12  1982

现在根据年份子集并建立索引：

mask = df.year.between(1987, 2017)
df.index = df.apply(lambda x: pd.to_datetime("{0} {1}".format(x.year, x.month), 
                                             format="%Y %m"), axis=1)

然后使用year 和月份分隔功能进行分组：

def month_gb(x):
    if x.month in range(3,6):
        return 'MAM'
    elif x.month in range(6,10):
        return 'JJAS'
    elif x.month in range(10,13):
        return 'OND'

df.loc[mask].groupby(["year", month_gb]).mm.sum()

year      
1987  OND     14
1990  OND     31
1993  JJAS     6
2005  OND      8
2016  JJAS    74
Name: mm, dtype: int64