Python Pandas 总和日期和描述答案

【问题标题】：Python Pandas Sum on Date and DescriptionPython Pandas 总和日期和描述
【发布时间】：2017-11-19 21:17:32
【问题描述】：

我正在使用 Python 2.7。我有一个看起来像的 Pandas 数据框

raw_data = {'Date': ['12/1/2016', '12/4/2016','12/23/2016', '1/18/2017','1/18/2017','1/19/2017'], 
    'Account': ['aa1', 'aa2','aa1', 'aa1', 'aa1', 'aa2'], 
    'Description': ['store1', 'store2','store1', 'store2','store1','store2' ], 
    'Amount': [26.43, 24.99, 31.54,45.32, 2.00, 15.41],
    'Category': ['G','G','G','G','G','G'],
    'Initials': ['FR','DB','FR','DB','FR','FR']}
df = pd.DataFrame(raw_data, columns = ['Date','Account','Description','Amount','Category','Initials'])

我想按每个描述和月份进行汇总，以便我的数据如下所示：
日期说明金额
2016 年 12 月 store1 57.97
2016 年 12 月 store2 24.99
2017 年 1 月 store1 2.00
2017 年 1 月 store2 60.73

我编写了以下按月汇总的代码，但我不知道如何合并描述列。

#convert Date to datetimeindex
df['Date'] = pd.to_datetime(df['Date'])
df = df.set_index('Date')

#sum by month
df = df.groupby(pd.TimeGrouper("M")).sum()
df

任何指导将不胜感激。谢谢。

【问题讨论】：

标签： python pandas dataframe group-by pandas-groupby

【解决方案1】：

你可以groupbydt.month和Description。使用dt.strftime并将月份编号转换为月份名称，然后进行分组：

df.groupby([df.Date.dt.strftime('%b %Y'),
       'Description']).Amount.sum().reset_index()

       Date Description  Amount
0  Dec 2016      store1   57.97
1  Dec 2016      store2   24.99
2  Jan 2017      store1    2.00
3  Jan 2017      store2   60.73

【讨论】：

【解决方案2】：

使用strftime 将datetimes 转换为name of month 和Year 的格式并将Description 列添加到groupby：

df = df.groupby([df['Date'].dt.strftime('%b %Y'),'Description']).sum().reset_index()
print (df)
       Date Description  Amount
0  Dec 2016      store1   57.97
1  Dec 2016      store2   24.99
2  Jan 2017      store1    2.00
3  Jan 2017      store2   60.73

如果需要Datetimes 然后只添加另一列Description:

df = df.set_index('Date')

df = df.groupby([pd.TimeGrouper("M"),'Description']).sum().reset_index()
print (df)
        Date Description  Amount
0 2016-12-31      store1   57.97
1 2016-12-31      store2   24.99
2 2017-01-31      store1    2.00
3 2017-01-31      store2   60.73

要在新版本的 pandas 中删除警告，请使用 Grouper：

df = df.groupby([pd.Grouper(freq="M"),'Description']).sum().reset_index()
print (df)
        Date Description  Amount
0 2016-12-31      store1   57.97
1 2016-12-31      store2   24.99
2 2017-01-31      store1    2.00
3 2017-01-31      store2   60.73

【讨论】：