从时间序列中提取 pandas 中的每月分类（虚拟）变量答案

【问题标题】：Extract monthly categorical (dummy) variables in pandas from a time series从时间序列中提取 pandas 中的每月分类（虚拟）变量
【发布时间】：2014-12-06 02:58:57
【问题描述】：

所以我有一个数据框 (df)，其中包含每月时间序列（月末）的日期数据。它看起来像这样：

Date          Data
2010-01-31    625000
2010-02-28    750000
...
2014-10-31    450000
2014-11-30    475000

我想检查季节性的每月影响。

这可能很简单，但是如何从 Date 中提取月份以创建分类虚拟变量以用于回归？

我希望它看起来像这样：

Date        01 02 03 04 05 06 07 08 09 10 11
2010-01-31  1  0  0  0  0  0  0  0  0  0  0
2010-02-28  0  1  0  0  0  0  0  0  0  0  0
...
2014-10-31  0  1  0  0  0  0  0  0  0  1  0  
2014-11-30  0  1  0  0  0  0  0  0  0  0  1

我尝试使用 pd.DataFrame(df.index.month, index=df.index)... 它为我提供了每个日期的月份。我相信我需要使用 pandas.core.reshape.get_dummies 来获取 0/1 矩阵格式的变量。有人可以告诉我怎么做吗？谢谢。

【问题讨论】：

pd.get_dummies(df.index.month) 应该这样做。（确保删除其中一列，这样如果您有截距，就没有线性相关性）。您可以将其结果连接到原始 df。
哇。很简单。感谢您指出这一点。先生，我真的很感激。

标签： python pandas

【解决方案1】：

这就是我得到四月的方式：

import pandas as pd
import numpy as np

dates = pd.date_range('20130101', periods=4, freq='MS')
df = pd.DataFrame(np.random.randn(4), index=dates, columns=['data'])

df.ix[dates.month==4]

这个想法是让日期成为您的索引，然后对数据框进行布尔索引选择。

>>> df
                data
2013-01-01  0.141205
2013-02-01  0.115361
2013-03-01 -0.309521
2013-04-01 -0.236317


>>> df.ix[dates.month==4]
                data
2013-04-01 -0.236317

【讨论】：