代码之家 › 专栏 › 技术社区 › eugene

熊猫,按周分组数据

pandas

eugene · 技术社区 · 7 年前

一年大约有54周。

我想得到每个弱者的销售总额。

(我的数据如下:

 userId,movieId,rating,timestamp
 1,31,2.5,1260759144

)

1week (1/1 - 1/7) : 30$
2week (1/8 - 1/14) : 40$
...
54week (12/24 - 12/31) : 50$

我写的日期( 1/1 以此类推)只是为了解释,我想得到周组(得到季节性指数),而不必从 1/1 或者类似的。。

数据可能包含多年。

我想在几年内按周分组,就像你可以按月分组一样[一月,二月。。。。。12组为多年数据。

2 回复 | 直到 7 年前

jezrael 7 年前

使用 Series.resample 通过 week mean

rng = pd.date_range('2017-04-03', periods=10)
s = pd.DataFrame({'a': range(10)},index=rng)['a']
print (s)
2017-04-03    0
2017-04-04    1
2017-04-05    2
2017-04-06    3
2017-04-07    4
2017-04-08    5
2017-04-09    6
2017-04-10    7
2017-04-11    8
2017-04-12    9
Freq: D, Name: a, dtype: int64

s1 = s.resample('W').mean()
#alternative
#s1 = s.groupby(pd.Grouper(freq='W')).mean()
print (s1)
2017-04-09    3
2017-04-16    8
Freq: W-SUN, Name: a, dtype: int64

s1 = s.groupby(s.index.strftime('%Y-%U')).mean()
print (s1)
2017-14    2.5
2017-15    7.5
Name: a, dtype: float64

编辑:

对于需要预处理的样本数据:

print (df)
   userId  movieId  rating   timestamp
0       1       31     2.5  1260759144
1       1       31     2.5  1560759144


df['timestamp'] = pd.to_datetime(df['timestamp'], unit='s')

w = df['timestamp'].rename('week').dt.weekofyear
df = df['rating'].groupby(w).mean().reset_index(name='val')
print (df)
   week  val
0    25  2.5
1    51  2.5

enongad 7 年前

您可以先创建一个week列,以指定datetime from pandas

df['week'] = pd.to_datetime(df['timestamp']).dt.week
df['year'] = pd.to_datetime(df['timestamp']).dt.year
weekly_sales = df.groupby(['year','week'])['sales'].sum()

推荐文章