Pandas 每月/每周更改的汇总订单答案

【问题标题】：Pandas aggregate order for monthly/weekly changesPandas 每月/每周更改的汇总订单
【发布时间】：2022-02-08 01:21:46
【问题描述】：

我正在使用 django 从 SQL 数据库中检索数据，然后将其转换为 pandas 数据框。目标是计算每个人的一些指标以及所有人的整体指标。

计算我的指标后，我想将这些值与上个月进行比较，并将变化计算为百分比。

这大致是这样的：

member_frame = member_frame.truncate(before=(previous_start - timedelta(days=1)))

这给了我从上个月到本月底的所有条目。

然后我计算一些值的总和：

aggregate_avgs = member_frame.groupby(member_frame.index.month).mean().replace(np.inf, 1).fillna(0)

最后计算百分比变化：

avgs_change = aggregate_avgs.pct_change().replace(np.inf, 1).fillna(-1)

如果我们看一下从 1 月到 2 月的变化，就像这样：

target_date
1           -1.000000 -1.000000 -1.000000           -1.0 -1.000000 -1.000000  -1.000000
2            0.142857  0.076923 -0.828571            0.0 -0.587774 -0.699994  -0.507199

这行得通……好吗？因为我只对从第一个日期到第二个日期的变化感兴趣，所以我只取第二行的值。

但如果我在 12 月和 1 月也这样做，我会得到：

target_date
1           -1.00000 -1.000000 -1.000000           -1.0 -1.000000 -1.000000  -1.000000
12           0.02682  0.273444  0.449811            0.0  0.259059  0.424178   0.223225

如您所见，这有点颠倒过来，而且更改实际上是针对错误的月份。 target_date 索引是日期时间索引。

我怀疑如果我在跨年时每周更改一次，也会发生同样的情况。

我做错了什么？我对 pandas 很陌生，所以这也可能是一个非常容易的错误。

【问题讨论】：

标签： pandas dataframe

【解决方案1】：

IIUC，您可能想改用resample，这类似于按月和年分组：

aggregate_avgs = member_frame.resample('m').mean().replace(np.inf, 1).fillna(0)

【讨论】：

【解决方案2】：

我认为您可以按照here 的描述写aggregate_avgs = member_frame.groupby(pd.Grouper(freq="M")).mean()。

【讨论】：