在列中的最大日期结束 pandas Grouper答案

【问题标题】：End pandas Grouper on max date in column在列中的最大日期结束 pandas Grouper
【发布时间】：2021-03-01 16:09:03
【问题描述】：

最小可重现示例

import numpy as np
import pandas as pd

np.random.seed(0)
dates = pd.date_range(start='1/1/2021', end='3/15/2021')
df = pd.DataFrame({'date': np.random.choice(dates, 1000), 
                   'label': np.random.choice(['a', 'b', 'c'], 1000)})

结果

    date    label
0   2021-02-14  a
1   2021-02-17  c
2   2021-03-06  a
3   2021-03-09  c
4   2021-03-09  b
... ... ...
995 2021-03-06  c
996 2021-01-14  b
997 2021-01-02  a
998 2021-01-03  c
999 2021-03-08  b

我试图从最后观察到的日期开始每 4 周对日期列进行分组（在这种情况下，df['date'].max() 给出'3/15/2021'，所以我希望按日期和标签分组时的最后日期为@987654326 @ 以及对其他日期进行相应调整（3/15 前 28 天、3/15 前 56 天等）。

但是，我无法使用 pd.Grouper 执行此操作。 According to the docs、pd.Grouper 采用 origin 参数来调整分组，但没有基于结束日期的选项。

有没有办法以类似于以下方式使用pd.Grouper：

df.groupby([pd.Grouper(key='date', freq='28d', label='right'), 'label'])['label'].count()

date        label
2021-01-29  a        114
            b        135
            c        134
2021-02-26  a        125
            b        133
            c        123
2021-03-26  a         83
            b         81
            c         72
Name: label, dtype: int64

而是将最后一个按日期分组的 end 设置为 3/15（并且最后一个组包含自 3/15 以来 28 天的所有数据）？

【问题讨论】：

标签： python pandas date pandas-groupby

【解决方案1】：

我们可以尝试用 div 创建日期计数

df_sub = df.assign(v = ((df.date-df.date.max()).dt.days.sub(1)//28))
s = df_sub.groupby(['v','label']).agg({'label':'count'})
s = s.join(df_sub.groupby('v').date.max())
Out[41]: 
          label       date
v  label                  
-3 a         76 2021-01-18
   b         87 2021-01-18
   c         91 2021-01-18
-2 a        120 2021-02-15
   b        138 2021-02-15
   c        126 2021-02-15
-1 a        126 2021-03-15
   b        124 2021-03-15
   c        112 2021-03-15

【讨论】：

我也想过这个问题，但是如果2021-02-15 没有出现在数据中，最后一个date.max() 上的连接可能不起作用。

【解决方案2】：

显然pd.Grouper 不支持负频。我会决定按Timedelta分组：

out = (df.groupby((max_date-df['date'])//pd.Timedelta('28d'))
   ['label'].value_counts()
)

# relabel the index
out.index = pd.MultiIndex.from_tuples([
    (max_date - pd.to_timedelta(x*28, unit='D'),y) for x,y in out.index
], names=['date','label'])

输出：

date        label
2021-03-15  a        126
            b        124
            c        112
2021-02-15  b        138
            c        126
            a        120
2021-01-18  c         91
            b         87
            a         76
Name: label, dtype: int64

【讨论】：