當(dāng)我們的數(shù)據(jù)涉及日期和時(shí)間時(shí)，分析隨時(shí)間變化變得非常重要。Pandas提供了一種方便的方法，可以按不同的基于時(shí)間的間隔(如分鐘、小時(shí)、天、周、月、季度或年)對(duì)時(shí)間序列數(shù)據(jù)進(jìn)行分組。

在Pandas中，有幾種基于日期對(duì)數(shù)據(jù)進(jìn)行分組的方法。我們將使用這些虛擬數(shù)據(jù)進(jìn)行演示:

import pandas as pd
 import numpy as np
 # generating data consisting of weekly sales for the timeperiod Jan,2022 to Jan,2023
 dates =  pd.date_range('2022-01-01', '2023-01-05', freq = '1 W')
 sales_val = np.linspace(1000, 2000,len(dates) )
 data = {'date':dates,
         'sales': sales_val}
 # Load the data
 df = pd.DataFrame(data)
 # Convert the 'date' column to a datetime type
 df['date'] = pd.to_datetime(df['date'])
 df.sample(5)

一些最常用的時(shí)間序列數(shù)據(jù)分組方法是:

1、resample

pandas中的resample 方法用于對(duì)時(shí)間序列數(shù)據(jù)進(jìn)行重采樣，可以將數(shù)據(jù)的頻率更改為不同的間隔。例如將每日數(shù)據(jù)重新采樣為每月數(shù)據(jù)。Pandas中的resample方法可用于基于時(shí)間間隔對(duì)數(shù)據(jù)進(jìn)行分組。它接收f(shuō)requency參數(shù)并返回一個(gè)Resampler對(duì)象，該對(duì)象可用于應(yīng)用各種聚合函數(shù)，如mean、sum或count。resample()只在DataFrame的索引為日期或時(shí)間類(lèi)型時(shí)才對(duì)數(shù)據(jù)進(jìn)行重新采樣。

import matplotlib.pyplot as plt
 import seaborn as sns
 # Set the 'date' column as the index,
 # and Group the data by month using resample
 grouped = df.set_index('date').resample('M').mean()
 print("Grouping is done on monthly basis using resample method:\n", grouped)
 # plot the average of monthly sales
 sns.lineplot(grouped.index, grouped['sales'])
 plt.xlabel("Date")
 plt.ylabel("Average Monthly Sales")
 plt.grid(True)
 plt.title("Average Monthly sales with respect to month")

在本例中，我們首先將' date '列轉(zhuǎn)換為日期類(lèi)型，然后將其設(shè)置為DataFrame的索引。然后使用重采樣方法按月分組數(shù)據(jù)，并計(jì)算每個(gè)月的“sales”列的平均值。結(jié)果是一個(gè)新的DF，每個(gè)月有一行，還包含該月“sales”列的平均值。

2、使用Grouper

pandas的Grouper 函數(shù)可以與 groupby 方法一起使用，以根據(jù)不同的時(shí)間間隔（例如分鐘、小時(shí)、天、周、月、季度或年）對(duì)數(shù)據(jù)進(jìn)行分組。Grouper 包含了key （包含日期的列）、frequency （分組依據(jù)的間隔）、closed （關(guān)閉間隔的一側(cè)）和label （標(biāo)記間隔）等參數(shù)。Pandas 中的 Grouper 函數(shù)提供了一種按不同時(shí)間間隔（例如分鐘、小時(shí)、天、周、月、季度或年）對(duì)時(shí)間序列數(shù)據(jù)進(jìn)行分組的便捷方法。通過(guò)與Pandas 中的 groupby 方法 一起使用，可以根據(jù)不同的時(shí)間間隔對(duì)時(shí)間序列數(shù)據(jù)進(jìn)行分組和匯總。

Grouper函數(shù)接受以下參數(shù):

• key:時(shí)間序列數(shù)據(jù)的列名。
• freq:時(shí)間間隔的頻率，如“D”表示日，“W”表示周，“M”表示月，等等。
• closed:間隔是否應(yīng)該在右側(cè)(右)、左側(cè)(左)或兩側(cè)(兩個(gè))閉合。
• label :用它的結(jié)束(右)或開(kāi)始(左)日期標(biāo)記間隔。
• Grouper函數(shù)和groupby一起按月間隔對(duì)數(shù)據(jù)進(jìn)行分組:

import matplotlib.pyplot as plt
 import seaborn as sns
 # Group the data by month using pd.Grouper and calculate monthly average
 grouped = df.groupby(pd.Grouper(key='date', freq='M')).mean()
 print("Grouping is done on monthly basis using pandas.Grouper and groupby method:\n", grouped)
 # plot the average of monthly sales
 sns.lineplot(grouped.index, grouped['sales'])
 plt.xlabel("Date")
 plt.ylabel("Average Monthly Sales")
 plt.grid(True)
 plt.title("Average Monthly sales with respect to month using pd.Grouper and groupby ")3. Using dt accessor with groupby:

3、dt 訪問(wèn)器和 groupby

Pandas中的dt訪問(wèn)器可以從日期和時(shí)間類(lèi)列中提取各種屬性，例如年、月、日等。所以我們可以使用提取的屬性根據(jù)與日期相關(guān)的信息對(duì)數(shù)據(jù)進(jìn)行分組。

在Pandas中，使用dt訪問(wèn)器從DataFrame中的date和time對(duì)象中提取屬性，然后使用groupby方法將數(shù)據(jù)分組為間隔。

import matplotlib.pyplot as plt
 import seaborn as sns
 # Group the data by month using dt and calculate monthly average
 grouped = df.groupby(df['date'].dt.to_period("M")).mean()
 print("Grouping is done on monthly basis using dt and groupby method:\n", grouped)

總結(jié)

這三種常用的方法可以匯總時(shí)間序列數(shù)據(jù)，所有方法都相對(duì)容易使用。在時(shí)間復(fù)雜度方面，所有方法對(duì)于中小型數(shù)據(jù)集都是有效的。對(duì)于較大的數(shù)據(jù)集，resample的性能更好，因?yàn)樗槍?duì)時(shí)間索引進(jìn)行了優(yōu)化。而，Grouper和dt提供了更大的靈活性，可以進(jìn)行更復(fù)雜的分組操作?？梢愿鶕?jù)自己喜歡的語(yǔ)法或者特定的需求選擇一種方法使用。