按自定义固定时间段对时间序列进行分组答案

【问题标题】：Group time series by a custom fixed period按自定义固定时间段对时间序列进行分组
【发布时间】：2016-02-11 21:59:52
【问题描述】：

我想按固定时间段对时间序列进行分组，其行为与函数 to_period() 完全相同，但具有自定义时间段。

# Some test data
df = pd.DataFrame({'categ': np.random.choice([1,2,3], 12)}, index=pd.date_range(start=pd.to_datetime('2015-01-01'),periods=12, freq='M'))

print(df.groupby(df.index.to_period('M')).sum().head(2))

         categ
2015-01      1
2015-02      3

但我想按自定义时间段对时间序列进行分组，例如 2 个月（双月一次）。不幸的是，to_period('2M') 不起作用，如果我使用TimeGrouper，则期间不固定，它们与开始日期相关。

print(df.groupby(pd.TimeGrouper('2M')).sum().head(2))

            categ
2015-01-31      3
2015-03-31      4

无论数据如何（1 月至 2 月、3 月至 4 月等），预期的行为都是具有相同的固定周期（如一个季度，但为两个月）。有谁知道解决方案？提前致谢。

           categ
2015-02      3
2015-04      4

【问题讨论】：

标签： python pandas time-series

【解决方案1】：

这是我为满足特定需求而使用的解决方案。如果有人有更好的答案，请告诉我。

freq = '2M'
df[freq] = df.index.to_period(freq)
# Adding a month each even month
df[freq] = df[freq] + df[freq].dt.month % 2 * MonthEnd()
print(df.groupby(freq).sum().head(2))

         categ
2M            
2015-02      5
2015-04      2

【讨论】：