Jaki jest odpowiednik cięcia / qcut dla pól daty pand?
Aktualizacja: począwszy od wersji 0.20.0, wycinanie pandas / qcut DOKŁADNIE obsługuje pola daty. WidziećCo nowego po więcej.
pd.cut i pd.qcut obsługują teraz typy danych datetime64 i timedelta64 (GH14714, GH14798)
Oryginalne pytanie: Funkcje wycinania pand i qcut świetnie nadają się do „ciągnięcia” ciągłych danych do wykorzystania w tabelach przestawnych itd., Ale nie widzę łatwego sposobu na uzyskanie osi czasu w miksie. Frustrujące, ponieważ pandy są tak świetne w całym czasie!
Oto prosty przykład:
def randomDates(size, start=134e7, end=137e7):
return np.array(np.random.randint(start, end, size), dtype='datetime64[s]')
df = pd.DataFrame({'ship' : randomDates(10), 'recd' : randomDates(10),
'qty' : np.random.randint(0,10,10), 'price' : 100*np.random.random(10)})
df
price qty recd ship
0 14.723510 3 2012-11-30 19:32:27 2013-03-08 23:10:12
1 53.535143 2 2012-07-25 14:26:45 2012-10-01 11:06:39
2 85.278743 7 2012-12-07 22:24:20 2013-02-26 10:23:20
3 35.940935 8 2013-04-18 13:49:43 2013-03-29 21:19:26
4 54.218896 8 2013-01-03 09:00:15 2012-08-08 12:50:41
5 61.404931 9 2013-02-10 19:36:54 2013-02-23 13:14:42
6 28.917693 1 2012-12-13 02:56:40 2012-09-08 21:14:45
7 88.440408 8 2013-04-04 22:54:55 2012-07-31 18:11:35
8 77.329931 7 2012-11-23 00:49:26 2012-12-09 19:27:40
9 46.540859 5 2013-03-13 11:37:59 2013-03-17 20:09:09
Aby sortować według grup cenowych lub ilościowych, mogę użyć wycinania / qcut, aby je wycisnąć:
df.groupby([pd.cut(df['qty'], bins=[0,1,5,10]), pd.qcut(df['price'],q=3)]).count()
price qty recd ship
qty price
(0, 1] [14.724, 46.541] 1 1 1 1
(1, 5] [14.724, 46.541] 2 2 2 2
(46.541, 61.405] 1 1 1 1
(5, 10] [14.724, 46.541] 1 1 1 1
(46.541, 61.405] 2 2 2 2
(61.405, 88.44] 3 3 3 3
Ale nie widzę żadnego łatwego sposobu na zrobienie tego samego z moimi polami daty „recd” lub „ship”. Na przykład wygeneruj podobną tabelę zliczeń w podziale na (powiedzmy) miesięczne segmenty recd i statku. Wygląda na to, że resample () ma wszystkie maszyny do dzielenia na okresy, ale nie wiem, jak go tutaj zastosować. Segmenty (lub poziomy) w „wycinaniu daty” byłyby równoważne pandas.PeriodIndex, a następnie chcę oznaczyć każdą wartość df ['recd ”] okresem, w którym się ona mieści?
Tak więc wyjście, którego szukam, wyglądałoby następująco:
ship recv count
2011-01 2011-01 1
2011-02 3
... ...
2011-02 2011-01 2
2011-02 6
... ... ...
Bardziej ogólnie, chciałbym móc mieszać i dopasowywać zmienne ciągłe lub kategoryczne w danych wyjściowych. Wyobraź sobie, że df zawiera również kolumnę „status” z czerwonymi / żółtymi / zielonymi wartościami, a może być może chciałbym podsumować zliczenia według stanu, cennika, statku i wiader recd, więc:
ship recv price status count
2011-01 2011-01 [0-10) green 1
red 4
[10-20) yellow 2
... ... ...
2011-02 [0-10) yellow 3
... ... ... ...
Jako dodatkowe pytanie, jaki jest najprostszy sposób zmodyfikowania powyższego wyniku groupby (), aby zawierał tylko jedną kolumnę wyjściową o nazwie „count”?