Hướng dẫn how do you group dates into months in python? - làm thế nào để bạn nhóm ngày thành tháng trong python?

Bạn có thể sử dụng cú pháp cơ bản sau để các hàng nhóm theo tháng trong một bản dữ liệu gấu trúc:

Nội dung chính Show

Tài nguyên bổ sung
Làm thế nào để tôi chuyển đổi ngày thành tháng trong gấu trúc?
Làm thế nào để bạn kết hợp ngày trong Python?
Làm cách nào để thêm tháng vào gấu trúc?
Làm thế nào để tôi sắp xếp theo tháng trong gấu trúc?

df.groupby(df.your_date_column.dt.month)['values_column'].sum()

Công thức cụ thể này nhóm các hàng theo ngày trong your_date_column và tính tổng các giá trị cho các giá trị_column trong DataFrame.your_date_column and calculates the sum of values for the values_column in the DataFrame.

Lưu ý rằng hàm dt.month () trích xuất vào tháng từ cột ngày trong gấu trúc.dt.month() function extracts the month from a date column in pandas.

Ví dụ sau đây cho thấy cách sử dụng cú pháp này trong thực tế.

Giả sử chúng ta có khung dữ liệu Pandas sau đây cho thấy doanh số được thực hiện bởi một số công ty vào các ngày khác nhau:

import pandas as pd

#create DataFrame
df = pd.DataFrame({'date': pd.date_range(start='1/1/2020', freq='W', periods=10),
                   'sales': [6, 8, 9, 11, 13, 8, 8, 15, 22, 9],
                   'returns': [0, 3, 2, 2, 1, 3, 2, 4, 1, 5]})

#view DataFrame
print(df)

        date  sales  returns
0 2020-01-05      6        0
1 2020-01-12      8        3
2 2020-01-19      9        2
3 2020-01-26     11        2
4 2020-02-02     13        1
5 2020-02-09      8        3
6 2020-02-16      8        2
7 2020-02-23     15        4
8 2020-03-01     22        1
9 2020-03-08      9        5

Liên quan: Cách tạo phạm vi ngày trong gấu trúc How to Create a Date Range in Pandas

Chúng ta có thể sử dụng cú pháp sau để tính tổng doanh số được nhóm theo tháng:

#calculate sum of sales grouped by month
df.groupby(df.date.dt.month)['sales'].sum()

date
1    34
2    44
3    31
Name: sales, dtype: int64

Ở đây, cách diễn giải đầu ra:

Tổng doanh số được thực hiện trong tháng 1 (tháng 1) là 34.34.
Tổng doanh số được thực hiện trong tháng 2 (tháng 2) là 44.44.
Tổng doanh số được thực hiện trong tháng 3 (tháng 3) là 31.31.

Chúng ta có thể sử dụng cú pháp tương tự để tính toán tối đa các giá trị bán hàng được nhóm theo tháng:

#calculate max of sales grouped by month
df.groupby(df.date.dt.month)['sales'].max()

date
1    11
2    15
3    22
Name: sales, dtype: int64

Chúng tôi có thể sử dụng cú pháp tương tự để tính toán bất kỳ giá trị nào mà chúng tôi thích được nhóm theo giá trị tháng của cột ngày.

LƯU Ý: Bạn có thể tìm thấy tài liệu đầy đủ cho hoạt động nhóm trong gấu trúc tại đây.: You can find the complete documentation for the GroupBy operation in pandas here.

Tài nguyên bổ sung

Các hướng dẫn sau đây giải thích cách thực hiện các hoạt động phổ biến khác trong gấu trúc:

Pandas: Cách tính tổng tích lũy theo nhóm nhóm: Cách đếm các giá trị duy nhất theo nhóm gấu trúc: Cách tính tương quan theo nhóm
Pandas: How to Count Unique Values by Group
Pandas: How to Calculate Correlation By Group

Trong bài viết này, chúng tôi sẽ thảo luận về cách nhóm theo DataFrame trên cơ sở ngày và thời gian trong Pandas. Chúng tôi sẽ thấy cách nhóm A Timesereries DataFrame theo năm, tháng, ngày, v.v. Ngoài ra, chúng tôi cũng sẽ thấy cách các đối tượng thời gian nhóm như phút.

Pandas Groupby cho phép chúng tôi chỉ định hướng dẫn nhóm cho một đối tượng. Lệnh được chỉ định này sẽ chọn một cột thông qua tham số chính của hàm Grouper cùng với các tham số Cấp và/hoặc Trục nếu được đưa ra, một mức của chỉ mục của đối tượng/cột đích.

Cú pháp: pandas.grouper (key = none, level = none, freq = none, axis = 0, sort = false)pandas.Grouper(key=None, level=None, freq=None, axis=0, sort=False)

Dưới đây là một số ví dụ mô tả cách nhóm theo DataFrame trên cơ sở ngày và thời gian sử dụng lớp cá mú Pandas.

Ví dụ 1: Nhóm theo tháng Group by month

Python3

import pandas as pd

df = pd.DataFrame(

import pandas as pd

#create DataFrame
df = pd.DataFrame({'date': pd.date_range(start='1/1/2020', freq='W', periods=10),
                   'sales': [6, 8, 9, 11, 13, 8, 8, 15, 22, 9],
                   'returns': [0, 3, 2, 2, 1, 3, 2, 4, 1, 5]})

#view DataFrame
print(df)

        date  sales  returns
0 2020-01-05      6        0
1 2020-01-12      8        3
2 2020-01-19      9        2
3 2020-01-26     11        2
4 2020-02-02     13        1
5 2020-02-09      8        3
6 2020-02-16      8        2
7 2020-02-23     15        4
8 2020-03-01     22        1
9 2020-03-08      9        5

import pandas as pd

#create DataFrame
df = pd.DataFrame({'date': pd.date_range(start='1/1/2020', freq='W', periods=10),
                   'sales': [6, 8, 9, 11, 13, 8, 8, 15, 22, 9],
                   'returns': [0, 3, 2, 2, 1, 3, 2, 4, 1, 5]})

#view DataFrame
print(df)

        date  sales  returns
0 2020-01-05      6        0
1 2020-01-12      8        3
2 2020-01-19      9        2
3 2020-01-26     11        2
4 2020-02-02     13        1
5 2020-02-09      8        3
6 2020-02-16      8        2
7 2020-02-23     15        4
8 2020-03-01     22        1
9 2020-03-08      9        5

import pandas as pd

#create DataFrame
df = pd.DataFrame({'date': pd.date_range(start='1/1/2020', freq='W', periods=10),
                   'sales': [6, 8, 9, 11, 13, 8, 8, 15, 22, 9],
                   'returns': [0, 3, 2, 2, 1, 3, 2, 4, 1, 5]})

#view DataFrame
print(df)

        date  sales  returns
0 2020-01-05      6        0
1 2020-01-12      8        3
2 2020-01-19      9        2
3 2020-01-26     11        2
4 2020-02-02     13        1
5 2020-02-09      8        3
6 2020-02-16      8        2
7 2020-02-23     15        4
8 2020-03-01     22        1
9 2020-03-08      9        5

import pandas as pd

#create DataFrame
df = pd.DataFrame({'date': pd.date_range(start='1/1/2020', freq='W', periods=10),
                   'sales': [6, 8, 9, 11, 13, 8, 8, 15, 22, 9],
                   'returns': [0, 3, 2, 2, 1, 3, 2, 4, 1, 5]})

#view DataFrame
print(df)

        date  sales  returns
0 2020-01-05      6        0
1 2020-01-12      8        3
2 2020-01-19      9        2
3 2020-01-26     11        2
4 2020-02-02     13        1
5 2020-02-09      8        3
6 2020-02-16      8        2
7 2020-02-23     15        4
8 2020-03-01     22        1
9 2020-03-08      9        5

import pandas as pd

#create DataFrame
df = pd.DataFrame({'date': pd.date_range(start='1/1/2020', freq='W', periods=10),
                   'sales': [6, 8, 9, 11, 13, 8, 8, 15, 22, 9],
                   'returns': [0, 3, 2, 2, 1, 3, 2, 4, 1, 5]})

#view DataFrame
print(df)

        date  sales  returns
0 2020-01-05      6        0
1 2020-01-12      8        3
2 2020-01-19      9        2
3 2020-01-26     11        2
4 2020-02-02     13        1
5 2020-02-09      8        3
6 2020-02-16      8        2
7 2020-02-23     15        4
8 2020-03-01     22        1
9 2020-03-08      9        5

import pandas as pd

#create DataFrame
df = pd.DataFrame({'date': pd.date_range(start='1/1/2020', freq='W', periods=10),
                   'sales': [6, 8, 9, 11, 13, 8, 8, 15, 22, 9],
                   'returns': [0, 3, 2, 2, 1, 3, 2, 4, 1, 5]})

#view DataFrame
print(df)

        date  sales  returns
0 2020-01-05      6        0
1 2020-01-12      8        3
2 2020-01-19      9        2
3 2020-01-26     11        2
4 2020-02-02     13        1
5 2020-02-09      8        3
6 2020-02-16      8        2
7 2020-02-23     15        4
8 2020-03-01     22        1
9 2020-03-08      9        5

import pandas as pd

#create DataFrame
df = pd.DataFrame({'date': pd.date_range(start='1/1/2020', freq='W', periods=10),
                   'sales': [6, 8, 9, 11, 13, 8, 8, 15, 22, 9],
                   'returns': [0, 3, 2, 2, 1, 3, 2, 4, 1, 5]})

#view DataFrame
print(df)

        date  sales  returns
0 2020-01-05      6        0
1 2020-01-12      8        3
2 2020-01-19      9        2
3 2020-01-26     11        2
4 2020-02-02     13        1
5 2020-02-09      8        3
6 2020-02-16      8        2
7 2020-02-23     15        4
8 2020-03-01     22        1
9 2020-03-08      9        5

import pandas as pd

#create DataFrame
df = pd.DataFrame({'date': pd.date_range(start='1/1/2020', freq='W', periods=10),
                   'sales': [6, 8, 9, 11, 13, 8, 8, 15, 22, 9],
                   'returns': [0, 3, 2, 2, 1, 3, 2, 4, 1, 5]})

#view DataFrame
print(df)

        date  sales  returns
0 2020-01-05      6        0
1 2020-01-12      8        3
2 2020-01-19      9        2
3 2020-01-26     11        2
4 2020-02-02     13        1
5 2020-02-09      8        3
6 2020-02-16      8        2
7 2020-02-23     15        4
8 2020-03-01     22        1
9 2020-03-08      9        5

import pandas as pd

#create DataFrame
df = pd.DataFrame({'date': pd.date_range(start='1/1/2020', freq='W', periods=10),
                   'sales': [6, 8, 9, 11, 13, 8, 8, 15, 22, 9],
                   'returns': [0, 3, 2, 2, 1, 3, 2, 4, 1, 5]})

#view DataFrame
print(df)

        date  sales  returns
0 2020-01-05      6        0
1 2020-01-12      8        3
2 2020-01-19      9        2
3 2020-01-26     11        2
4 2020-02-02     13        1
5 2020-02-09      8        3
6 2020-02-16      8        2
7 2020-02-23     15        4
8 2020-03-01     22        1
9 2020-03-08      9        5

import pandas as pd

#create DataFrame
df = pd.DataFrame({'date': pd.date_range(start='1/1/2020', freq='W', periods=10),
                   'sales': [6, 8, 9, 11, 13, 8, 8, 15, 22, 9],
                   'returns': [0, 3, 2, 2, 1, 3, 2, 4, 1, 5]})

#view DataFrame
print(df)

        date  sales  returns
0 2020-01-05      6        0
1 2020-01-12      8        3
2 2020-01-19      9        2
3 2020-01-26     11        2
4 2020-02-02     13        1
5 2020-02-09      8        3
6 2020-02-16      8        2
7 2020-02-23     15        4
8 2020-03-01     22        1
9 2020-03-08      9        5

#calculate sum of sales grouped by month
df.groupby(df.date.dt.month)['sales'].sum()

date
1    34
2    44
3    31
Name: sales, dtype: int64

import pandas as pd

#create DataFrame
df = pd.DataFrame({'date': pd.date_range(start='1/1/2020', freq='W', periods=10),
                   'sales': [6, 8, 9, 11, 13, 8, 8, 15, 22, 9],
                   'returns': [0, 3, 2, 2, 1, 3, 2, 4, 1, 5]})

#view DataFrame
print(df)

        date  sales  returns
0 2020-01-05      6        0
1 2020-01-12      8        3
2 2020-01-19      9        2
3 2020-01-26     11        2
4 2020-02-02     13        1
5 2020-02-09      8        3
6 2020-02-16      8        2
7 2020-02-23     15        4
8 2020-03-01     22        1
9 2020-03-08      9        5

import pandas as pd

#create DataFrame
df = pd.DataFrame({'date': pd.date_range(start='1/1/2020', freq='W', periods=10),
                   'sales': [6, 8, 9, 11, 13, 8, 8, 15, 22, 9],
                   'returns': [0, 3, 2, 2, 1, 3, 2, 4, 1, 5]})

#view DataFrame
print(df)

        date  sales  returns
0 2020-01-05      6        0
1 2020-01-12      8        3
2 2020-01-19      9        2
3 2020-01-26     11        2
4 2020-02-02     13        1
5 2020-02-09      8        3
6 2020-02-16      8        2
7 2020-02-23     15        4
8 2020-03-01     22        1
9 2020-03-08      9        5

import pandas as pd

#create DataFrame
df = pd.DataFrame({'date': pd.date_range(start='1/1/2020', freq='W', periods=10),
                   'sales': [6, 8, 9, 11, 13, 8, 8, 15, 22, 9],
                   'returns': [0, 3, 2, 2, 1, 3, 2, 4, 1, 5]})

#view DataFrame
print(df)

        date  sales  returns
0 2020-01-05      6        0
1 2020-01-12      8        3
2 2020-01-19      9        2
3 2020-01-26     11        2
4 2020-02-02     13        1
5 2020-02-09      8        3
6 2020-02-16      8        2
7 2020-02-23     15        4
8 2020-03-01     22        1
9 2020-03-08      9        5

#calculate sum of sales grouped by month
df.groupby(df.date.dt.month)['sales'].sum()

date
1    34
2    44
3    31
Name: sales, dtype: int64

import pandas as pd

#create DataFrame
df = pd.DataFrame({'date': pd.date_range(start='1/1/2020', freq='W', periods=10),
                   'sales': [6, 8, 9, 11, 13, 8, 8, 15, 22, 9],
                   'returns': [0, 3, 2, 2, 1, 3, 2, 4, 1, 5]})

#view DataFrame
print(df)

        date  sales  returns
0 2020-01-05      6        0
1 2020-01-12      8        3
2 2020-01-19      9        2
3 2020-01-26     11        2
4 2020-02-02     13        1
5 2020-02-09      8        3
6 2020-02-16      8        2
7 2020-02-23     15        4
8 2020-03-01     22        1
9 2020-03-08      9        5

import pandas as pd

#create DataFrame
df = pd.DataFrame({'date': pd.date_range(start='1/1/2020', freq='W', periods=10),
                   'sales': [6, 8, 9, 11, 13, 8, 8, 15, 22, 9],
                   'returns': [0, 3, 2, 2, 1, 3, 2, 4, 1, 5]})

#view DataFrame
print(df)

        date  sales  returns
0 2020-01-05      6        0
1 2020-01-12      8        3
2 2020-01-19      9        2
3 2020-01-26     11        2
4 2020-02-02     13        1
5 2020-02-09      8        3
6 2020-02-16      8        2
7 2020-02-23     15        4
8 2020-03-01     22        1
9 2020-03-08      9        5

import pandas as pd

#create DataFrame
df = pd.DataFrame({'date': pd.date_range(start='1/1/2020', freq='W', periods=10),
                   'sales': [6, 8, 9, 11, 13, 8, 8, 15, 22, 9],
                   'returns': [0, 3, 2, 2, 1, 3, 2, 4, 1, 5]})

#view DataFrame
print(df)

        date  sales  returns
0 2020-01-05      6        0
1 2020-01-12      8        3
2 2020-01-19      9        2
3 2020-01-26     11        2
4 2020-02-02     13        1
5 2020-02-09      8        3
6 2020-02-16      8        2
7 2020-02-23     15        4
8 2020-03-01     22        1
9 2020-03-08      9        5

#calculate sum of sales grouped by month
df.groupby(df.date.dt.month)['sales'].sum()

date
1    34
2    44
3    31
Name: sales, dtype: int64

import pandas as pd

#create DataFrame
df = pd.DataFrame({'date': pd.date_range(start='1/1/2020', freq='W', periods=10),
                   'sales': [6, 8, 9, 11, 13, 8, 8, 15, 22, 9],
                   'returns': [0, 3, 2, 2, 1, 3, 2, 4, 1, 5]})

#view DataFrame
print(df)

        date  sales  returns
0 2020-01-05      6        0
1 2020-01-12      8        3
2 2020-01-19      9        2
3 2020-01-26     11        2
4 2020-02-02     13        1
5 2020-02-09      8        3
6 2020-02-16      8        2
7 2020-02-23     15        4
8 2020-03-01     22        1
9 2020-03-08      9        5

import pandas as pd

#create DataFrame
df = pd.DataFrame({'date': pd.date_range(start='1/1/2020', freq='W', periods=10),
                   'sales': [6, 8, 9, 11, 13, 8, 8, 15, 22, 9],
                   'returns': [0, 3, 2, 2, 1, 3, 2, 4, 1, 5]})

#view DataFrame
print(df)

        date  sales  returns
0 2020-01-05      6        0
1 2020-01-12      8        3
2 2020-01-19      9        2
3 2020-01-26     11        2
4 2020-02-02     13        1
5 2020-02-09      8        3
6 2020-02-16      8        2
7 2020-02-23     15        4
8 2020-03-01     22        1
9 2020-03-08      9        5

import pandas as pd

#create DataFrame
df = pd.DataFrame({'date': pd.date_range(start='1/1/2020', freq='W', periods=10),
                   'sales': [6, 8, 9, 11, 13, 8, 8, 15, 22, 9],
                   'returns': [0, 3, 2, 2, 1, 3, 2, 4, 1, 5]})

#view DataFrame
print(df)

        date  sales  returns
0 2020-01-05      6        0
1 2020-01-12      8        3
2 2020-01-19      9        2
3 2020-01-26     11        2
4 2020-02-02     13        1
5 2020-02-09      8        3
6 2020-02-16      8        2
7 2020-02-23     15        4
8 2020-03-01     22        1
9 2020-03-08      9        5

#calculate max of sales grouped by month
df.groupby(df.date.dt.month)['sales'].max()

date
1    11
2    15
3    22
Name: sales, dtype: int64

import pandas as pd

#create DataFrame
df = pd.DataFrame({'date': pd.date_range(start='1/1/2020', freq='W', periods=10),
                   'sales': [6, 8, 9, 11, 13, 8, 8, 15, 22, 9],
                   'returns': [0, 3, 2, 2, 1, 3, 2, 4, 1, 5]})

#view DataFrame
print(df)

        date  sales  returns
0 2020-01-05      6        0
1 2020-01-12      8        3
2 2020-01-19      9        2
3 2020-01-26     11        2
4 2020-02-02     13        1
5 2020-02-09      8        3
6 2020-02-16      8        2
7 2020-02-23     15        4
8 2020-03-01     22        1
9 2020-03-08      9        5

import pandas as pd

#create DataFrame
df = pd.DataFrame({'date': pd.date_range(start='1/1/2020', freq='W', periods=10),
                   'sales': [6, 8, 9, 11, 13, 8, 8, 15, 22, 9],
                   'returns': [0, 3, 2, 2, 1, 3, 2, 4, 1, 5]})

#view DataFrame
print(df)

        date  sales  returns
0 2020-01-05      6        0
1 2020-01-12      8        3
2 2020-01-19      9        2
3 2020-01-26     11        2
4 2020-02-02     13        1
5 2020-02-09      8        3
6 2020-02-16      8        2
7 2020-02-23     15        4
8 2020-03-01     22        1
9 2020-03-08      9        5

import pandas as pd

#create DataFrame
df = pd.DataFrame({'date': pd.date_range(start='1/1/2020', freq='W', periods=10),
                   'sales': [6, 8, 9, 11, 13, 8, 8, 15, 22, 9],
                   'returns': [0, 3, 2, 2, 1, 3, 2, 4, 1, 5]})

#view DataFrame
print(df)

        date  sales  returns
0 2020-01-05      6        0
1 2020-01-12      8        3
2 2020-01-19      9        2
3 2020-01-26     11        2
4 2020-02-02     13        1
5 2020-02-09      8        3
6 2020-02-16      8        2
7 2020-02-23     15        4
8 2020-03-01     22        1
9 2020-03-08      9        5

#calculate max of sales grouped by month
df.groupby(df.date.dt.month)['sales'].max()

date
1    11
2    15
3    22
Name: sales, dtype: int64

#calculate max of sales grouped by month
df.groupby(df.date.dt.month)['sales'].max()

date
1    11
2    15
3    22
Name: sales, dtype: int64

import pandas as pd

#create DataFrame
df = pd.DataFrame({'date': pd.date_range(start='1/1/2020', freq='W', periods=10),
                   'sales': [6, 8, 9, 11, 13, 8, 8, 15, 22, 9],
                   'returns': [0, 3, 2, 2, 1, 3, 2, 4, 1, 5]})

#view DataFrame
print(df)

        date  sales  returns
0 2020-01-05      6        0
1 2020-01-12      8        3
2 2020-01-19      9        2
3 2020-01-26     11        2
4 2020-02-02     13        1
5 2020-02-09      8        3
6 2020-02-16      8        2
7 2020-02-23     15        4
8 2020-03-01     22        1
9 2020-03-08      9        5

#calculate max of sales grouped by month
df.groupby(df.date.dt.month)['sales'].max()

date
1    11
2    15
3    22
Name: sales, dtype: int64

import pandas as pd

#create DataFrame
df = pd.DataFrame({'date': pd.date_range(start='1/1/2020', freq='W', periods=10),
                   'sales': [6, 8, 9, 11, 13, 8, 8, 15, 22, 9],
                   'returns': [0, 3, 2, 2, 1, 3, 2, 4, 1, 5]})

#view DataFrame
print(df)

        date  sales  returns
0 2020-01-05      6        0
1 2020-01-12      8        3
2 2020-01-19      9        2
3 2020-01-26     11        2
4 2020-02-02     13        1
5 2020-02-09      8        3
6 2020-02-16      8        2
7 2020-02-23     15        4
8 2020-03-01     22        1
9 2020-03-08      9        5

1import1

import pandas as pd

#create DataFrame
df = pd.DataFrame({'date': pd.date_range(start='1/1/2020', freq='W', periods=10),
                   'sales': [6, 8, 9, 11, 13, 8, 8, 15, 22, 9],
                   'returns': [0, 3, 2, 2, 1, 3, 2, 4, 1, 5]})

#view DataFrame
print(df)

        date  sales  returns
0 2020-01-05      6        0
1 2020-01-12      8        3
2 2020-01-19      9        2
3 2020-01-26     11        2
4 2020-02-02     13        1
5 2020-02-09      8        3
6 2020-02-16      8        2
7 2020-02-23     15        4
8 2020-03-01     22        1
9 2020-03-08      9        5

3import3import4import5import4import7import4import9import4pandas as pd1import4pandas as pd3

#calculate max of sales grouped by month
df.groupby(df.date.dt.month)['sales'].max()

date
1    11
2    15
3    22
Name: sales, dtype: int64

import pandas as pd

#create DataFrame
df = pd.DataFrame({'date': pd.date_range(start='1/1/2020', freq='W', periods=10),
                   'sales': [6, 8, 9, 11, 13, 8, 8, 15, 22, 9],
                   'returns': [0, 3, 2, 2, 1, 3, 2, 4, 1, 5]})

#view DataFrame
print(df)

        date  sales  returns
0 2020-01-05      6        0
1 2020-01-12      8        3
2 2020-01-19      9        2
3 2020-01-26     11        2
4 2020-02-02     13        1
5 2020-02-09      8        3
6 2020-02-16      8        2
7 2020-02-23     15        4
8 2020-03-01     22        1
9 2020-03-08      9        5

1pandas as pd6

import pandas as pd

#create DataFrame
df = pd.DataFrame({'date': pd.date_range(start='1/1/2020', freq='W', periods=10),
                   'sales': [6, 8, 9, 11, 13, 8, 8, 15, 22, 9],
                   'returns': [0, 3, 2, 2, 1, 3, 2, 4, 1, 5]})

#view DataFrame
print(df)

        date  sales  returns
0 2020-01-05      6        0
1 2020-01-12      8        3
2 2020-01-19      9        2
3 2020-01-26     11        2
4 2020-02-02     13        1
5 2020-02-09      8        3
6 2020-02-16      8        2
7 2020-02-23     15        4
8 2020-03-01     22        1
9 2020-03-08      9        5

3pandas as pd8import44406044444244444444444

=1

#calculate max of sales grouped by month
df.groupby(df.date.dt.month)['sales'].max()

date
1    11
2    15
3    22
Name: sales, dtype: int64

=3

=4==6=7==9pd.DataFrame(0

pd.DataFrame(1pd.DataFrame(2=pd.DataFrame(4pd.DataFrame(5pd.DataFrame(6pd.DataFrame(7

Output:

Trong ví dụ trên, DataFrame được nhóm theo cột ngày. Như chúng tôi đã cung cấp freq = ’m, có nghĩa là tháng, vì vậy dữ liệu được nhóm lại một tháng cho đến ngày cuối cùng của mỗi tháng và cung cấp tổng số cột giá. Chúng tôi đã không cung cấp giá trị cho tất cả các tháng, sau đó chức năng nhóm được hiển thị dữ liệu cho tất cả các tháng và giá trị được gán 0 cho các tháng khác.

Ví dụ 2: Nhóm theo ngày Group by days

Python3

import pandas as pd

df = pd.DataFrame(

import pandas as pd

#create DataFrame
df = pd.DataFrame({'date': pd.date_range(start='1/1/2020', freq='W', periods=10),
                   'sales': [6, 8, 9, 11, 13, 8, 8, 15, 22, 9],
                   'returns': [0, 3, 2, 2, 1, 3, 2, 4, 1, 5]})

#view DataFrame
print(df)

        date  sales  returns
0 2020-01-05      6        0
1 2020-01-12      8        3
2 2020-01-19      9        2
3 2020-01-26     11        2
4 2020-02-02     13        1
5 2020-02-09      8        3
6 2020-02-16      8        2
7 2020-02-23     15        4
8 2020-03-01     22        1
9 2020-03-08      9        5

import pandas as pd

#create DataFrame
df = pd.DataFrame({'date': pd.date_range(start='1/1/2020', freq='W', periods=10),
                   'sales': [6, 8, 9, 11, 13, 8, 8, 15, 22, 9],
                   'returns': [0, 3, 2, 2, 1, 3, 2, 4, 1, 5]})

#view DataFrame
print(df)

        date  sales  returns
0 2020-01-05      6        0
1 2020-01-12      8        3
2 2020-01-19      9        2
3 2020-01-26     11        2
4 2020-02-02     13        1
5 2020-02-09      8        3
6 2020-02-16      8        2
7 2020-02-23     15        4
8 2020-03-01     22        1
9 2020-03-08      9        5

import pandas as pd

#create DataFrame
df = pd.DataFrame({'date': pd.date_range(start='1/1/2020', freq='W', periods=10),
                   'sales': [6, 8, 9, 11, 13, 8, 8, 15, 22, 9],
                   'returns': [0, 3, 2, 2, 1, 3, 2, 4, 1, 5]})

#view DataFrame
print(df)

        date  sales  returns
0 2020-01-05      6        0
1 2020-01-12      8        3
2 2020-01-19      9        2
3 2020-01-26     11        2
4 2020-02-02     13        1
5 2020-02-09      8        3
6 2020-02-16      8        2
7 2020-02-23     15        4
8 2020-03-01     22        1
9 2020-03-08      9        5

import pandas as pd

#create DataFrame
df = pd.DataFrame({'date': pd.date_range(start='1/1/2020', freq='W', periods=10),
                   'sales': [6, 8, 9, 11, 13, 8, 8, 15, 22, 9],
                   'returns': [0, 3, 2, 2, 1, 3, 2, 4, 1, 5]})

#view DataFrame
print(df)

        date  sales  returns
0 2020-01-05      6        0
1 2020-01-12      8        3
2 2020-01-19      9        2
3 2020-01-26     11        2
4 2020-02-02     13        1
5 2020-02-09      8        3
6 2020-02-16      8        2
7 2020-02-23     15        4
8 2020-03-01     22        1
9 2020-03-08      9        5

import pandas as pd

#create DataFrame
df = pd.DataFrame({'date': pd.date_range(start='1/1/2020', freq='W', periods=10),
                   'sales': [6, 8, 9, 11, 13, 8, 8, 15, 22, 9],
                   'returns': [0, 3, 2, 2, 1, 3, 2, 4, 1, 5]})

#view DataFrame
print(df)

        date  sales  returns
0 2020-01-05      6        0
1 2020-01-12      8        3
2 2020-01-19      9        2
3 2020-01-26     11        2
4 2020-02-02     13        1
5 2020-02-09      8        3
6 2020-02-16      8        2
7 2020-02-23     15        4
8 2020-03-01     22        1
9 2020-03-08      9        5

import pandas as pd

#create DataFrame
df = pd.DataFrame({'date': pd.date_range(start='1/1/2020', freq='W', periods=10),
                   'sales': [6, 8, 9, 11, 13, 8, 8, 15, 22, 9],
                   'returns': [0, 3, 2, 2, 1, 3, 2, 4, 1, 5]})

#view DataFrame
print(df)

        date  sales  returns
0 2020-01-05      6        0
1 2020-01-12      8        3
2 2020-01-19      9        2
3 2020-01-26     11        2
4 2020-02-02     13        1
5 2020-02-09      8        3
6 2020-02-16      8        2
7 2020-02-23     15        4
8 2020-03-01     22        1
9 2020-03-08      9        5

import pandas as pd

#create DataFrame
df = pd.DataFrame({'date': pd.date_range(start='1/1/2020', freq='W', periods=10),
                   'sales': [6, 8, 9, 11, 13, 8, 8, 15, 22, 9],
                   'returns': [0, 3, 2, 2, 1, 3, 2, 4, 1, 5]})

#view DataFrame
print(df)

        date  sales  returns
0 2020-01-05      6        0
1 2020-01-12      8        3
2 2020-01-19      9        2
3 2020-01-26     11        2
4 2020-02-02     13        1
5 2020-02-09      8        3
6 2020-02-16      8        2
7 2020-02-23     15        4
8 2020-03-01     22        1
9 2020-03-08      9        5

import pandas as pd

#create DataFrame
df = pd.DataFrame({'date': pd.date_range(start='1/1/2020', freq='W', periods=10),
                   'sales': [6, 8, 9, 11, 13, 8, 8, 15, 22, 9],
                   'returns': [0, 3, 2, 2, 1, 3, 2, 4, 1, 5]})

#view DataFrame
print(df)

        date  sales  returns
0 2020-01-05      6        0
1 2020-01-12      8        3
2 2020-01-19      9        2
3 2020-01-26     11        2
4 2020-02-02     13        1
5 2020-02-09      8        3
6 2020-02-16      8        2
7 2020-02-23     15        4
8 2020-03-01     22        1
9 2020-03-08      9        5

import pandas as pd

#create DataFrame
df = pd.DataFrame({'date': pd.date_range(start='1/1/2020', freq='W', periods=10),
                   'sales': [6, 8, 9, 11, 13, 8, 8, 15, 22, 9],
                   'returns': [0, 3, 2, 2, 1, 3, 2, 4, 1, 5]})

#view DataFrame
print(df)

        date  sales  returns
0 2020-01-05      6        0
1 2020-01-12      8        3
2 2020-01-19      9        2
3 2020-01-26     11        2
4 2020-02-02     13        1
5 2020-02-09      8        3
6 2020-02-16      8        2
7 2020-02-23     15        4
8 2020-03-01     22        1
9 2020-03-08      9        5

1pandas as pd6

import pandas as pd

#create DataFrame
df = pd.DataFrame({'date': pd.date_range(start='1/1/2020', freq='W', periods=10),
                   'sales': [6, 8, 9, 11, 13, 8, 8, 15, 22, 9],
                   'returns': [0, 3, 2, 2, 1, 3, 2, 4, 1, 5]})

#view DataFrame
print(df)

        date  sales  returns
0 2020-01-05      6        0
1 2020-01-12      8        3
2 2020-01-19      9        2
3 2020-01-26     11        2
4 2020-02-02     13        1
5 2020-02-09      8        3
6 2020-02-16      8        2
7 2020-02-23     15        4
8 2020-03-01     22        1
9 2020-03-08      9        5

3pandas as pd8import44406044444244444444444

import pandas as pd

#create DataFrame
df = pd.DataFrame({'date': pd.date_range(start='1/1/2020', freq='W', periods=10),
                   'sales': [6, 8, 9, 11, 13, 8, 8, 15, 22, 9],
                   'returns': [0, 3, 2, 2, 1, 3, 2, 4, 1, 5]})

#view DataFrame
print(df)

        date  sales  returns
0 2020-01-05      6        0
1 2020-01-12      8        3
2 2020-01-19      9        2
3 2020-01-26     11        2
4 2020-02-02     13        1
5 2020-02-09      8        3
6 2020-02-16      8        2
7 2020-02-23     15        4
8 2020-03-01     22        1
9 2020-03-08      9        5

import pandas as pd

#create DataFrame
df = pd.DataFrame({'date': pd.date_range(start='1/1/2020', freq='W', periods=10),
                   'sales': [6, 8, 9, 11, 13, 8, 8, 15, 22, 9],
                   'returns': [0, 3, 2, 2, 1, 3, 2, 4, 1, 5]})

#view DataFrame
print(df)

        date  sales  returns
0 2020-01-05      6        0
1 2020-01-12      8        3
2 2020-01-19      9        2
3 2020-01-26     11        2
4 2020-02-02     13        1
5 2020-02-09      8        3
6 2020-02-16      8        2
7 2020-02-23     15        4
8 2020-03-01     22        1
9 2020-03-08      9        5

#calculate sum of sales grouped by month
df.groupby(df.date.dt.month)['sales'].sum()

date
1    34
2    44
3    31
Name: sales, dtype: int64

import pandas as pd

#create DataFrame
df = pd.DataFrame({'date': pd.date_range(start='1/1/2020', freq='W', periods=10),
                   'sales': [6, 8, 9, 11, 13, 8, 8, 15, 22, 9],
                   'returns': [0, 3, 2, 2, 1, 3, 2, 4, 1, 5]})

#view DataFrame
print(df)

        date  sales  returns
0 2020-01-05      6        0
1 2020-01-12      8        3
2 2020-01-19      9        2
3 2020-01-26     11        2
4 2020-02-02     13        1
5 2020-02-09      8        3
6 2020-02-16      8        2
7 2020-02-23     15        4
8 2020-03-01     22        1
9 2020-03-08      9        5

import pandas as pd

#create DataFrame
df = pd.DataFrame({'date': pd.date_range(start='1/1/2020', freq='W', periods=10),
                   'sales': [6, 8, 9, 11, 13, 8, 8, 15, 22, 9],
                   'returns': [0, 3, 2, 2, 1, 3, 2, 4, 1, 5]})

#view DataFrame
print(df)

        date  sales  returns
0 2020-01-05      6        0
1 2020-01-12      8        3
2 2020-01-19      9        2
3 2020-01-26     11        2
4 2020-02-02     13        1
5 2020-02-09      8        3
6 2020-02-16      8        2
7 2020-02-23     15        4
8 2020-03-01     22        1
9 2020-03-08      9        5

import pandas as pd

#create DataFrame
df = pd.DataFrame({'date': pd.date_range(start='1/1/2020', freq='W', periods=10),
                   'sales': [6, 8, 9, 11, 13, 8, 8, 15, 22, 9],
                   'returns': [0, 3, 2, 2, 1, 3, 2, 4, 1, 5]})

#view DataFrame
print(df)

        date  sales  returns
0 2020-01-05      6        0
1 2020-01-12      8        3
2 2020-01-19      9        2
3 2020-01-26     11        2
4 2020-02-02     13        1
5 2020-02-09      8        3
6 2020-02-16      8        2
7 2020-02-23     15        4
8 2020-03-01     22        1
9 2020-03-08      9        5

#calculate sum of sales grouped by month
df.groupby(df.date.dt.month)['sales'].sum()

date
1    34
2    44
3    31
Name: sales, dtype: int64

import pandas as pd

#create DataFrame
df = pd.DataFrame({'date': pd.date_range(start='1/1/2020', freq='W', periods=10),
                   'sales': [6, 8, 9, 11, 13, 8, 8, 15, 22, 9],
                   'returns': [0, 3, 2, 2, 1, 3, 2, 4, 1, 5]})

#view DataFrame
print(df)

        date  sales  returns
0 2020-01-05      6        0
1 2020-01-12      8        3
2 2020-01-19      9        2
3 2020-01-26     11        2
4 2020-02-02     13        1
5 2020-02-09      8        3
6 2020-02-16      8        2
7 2020-02-23     15        4
8 2020-03-01     22        1
9 2020-03-08      9        5

import pandas as pd

#create DataFrame
df = pd.DataFrame({'date': pd.date_range(start='1/1/2020', freq='W', periods=10),
                   'sales': [6, 8, 9, 11, 13, 8, 8, 15, 22, 9],
                   'returns': [0, 3, 2, 2, 1, 3, 2, 4, 1, 5]})

#view DataFrame
print(df)

        date  sales  returns
0 2020-01-05      6        0
1 2020-01-12      8        3
2 2020-01-19      9        2
3 2020-01-26     11        2
4 2020-02-02     13        1
5 2020-02-09      8        3
6 2020-02-16      8        2
7 2020-02-23     15        4
8 2020-03-01     22        1
9 2020-03-08      9        5

import pandas as pd

#create DataFrame
df = pd.DataFrame({'date': pd.date_range(start='1/1/2020', freq='W', periods=10),
                   'sales': [6, 8, 9, 11, 13, 8, 8, 15, 22, 9],
                   'returns': [0, 3, 2, 2, 1, 3, 2, 4, 1, 5]})

#view DataFrame
print(df)

        date  sales  returns
0 2020-01-05      6        0
1 2020-01-12      8        3
2 2020-01-19      9        2
3 2020-01-26     11        2
4 2020-02-02     13        1
5 2020-02-09      8        3
6 2020-02-16      8        2
7 2020-02-23     15        4
8 2020-03-01     22        1
9 2020-03-08      9        5

#calculate max of sales grouped by month
df.groupby(df.date.dt.month)['sales'].max()

date
1    11
2    15
3    22
Name: sales, dtype: int64

import pandas as pd

#create DataFrame
df = pd.DataFrame({'date': pd.date_range(start='1/1/2020', freq='W', periods=10),
                   'sales': [6, 8, 9, 11, 13, 8, 8, 15, 22, 9],
                   'returns': [0, 3, 2, 2, 1, 3, 2, 4, 1, 5]})

#view DataFrame
print(df)

        date  sales  returns
0 2020-01-05      6        0
1 2020-01-12      8        3
2 2020-01-19      9        2
3 2020-01-26     11        2
4 2020-02-02     13        1
5 2020-02-09      8        3
6 2020-02-16      8        2
7 2020-02-23     15        4
8 2020-03-01     22        1
9 2020-03-08      9        5

import pandas as pd

#create DataFrame
df = pd.DataFrame({'date': pd.date_range(start='1/1/2020', freq='W', periods=10),
                   'sales': [6, 8, 9, 11, 13, 8, 8, 15, 22, 9],
                   'returns': [0, 3, 2, 2, 1, 3, 2, 4, 1, 5]})

#view DataFrame
print(df)

        date  sales  returns
0 2020-01-05      6        0
1 2020-01-12      8        3
2 2020-01-19      9        2
3 2020-01-26     11        2
4 2020-02-02     13        1
5 2020-02-09      8        3
6 2020-02-16      8        2
7 2020-02-23     15        4
8 2020-03-01     22        1
9 2020-03-08      9        5

import pandas as pd

#create DataFrame
df = pd.DataFrame({'date': pd.date_range(start='1/1/2020', freq='W', periods=10),
                   'sales': [6, 8, 9, 11, 13, 8, 8, 15, 22, 9],
                   'returns': [0, 3, 2, 2, 1, 3, 2, 4, 1, 5]})

#view DataFrame
print(df)

        date  sales  returns
0 2020-01-05      6        0
1 2020-01-12      8        3
2 2020-01-19      9        2
3 2020-01-26     11        2
4 2020-02-02     13        1
5 2020-02-09      8        3
6 2020-02-16      8        2
7 2020-02-23     15        4
8 2020-03-01     22        1
9 2020-03-08      9        5

#calculate max of sales grouped by month
df.groupby(df.date.dt.month)['sales'].max()

date
1    11
2    15
3    22
Name: sales, dtype: int64

#calculate max of sales grouped by month
df.groupby(df.date.dt.month)['sales'].max()

date
1    11
2    15
3    22
Name: sales, dtype: int64

import pandas as pd

#create DataFrame
df = pd.DataFrame({'date': pd.date_range(start='1/1/2020', freq='W', periods=10),
                   'sales': [6, 8, 9, 11, 13, 8, 8, 15, 22, 9],
                   'returns': [0, 3, 2, 2, 1, 3, 2, 4, 1, 5]})

#view DataFrame
print(df)

        date  sales  returns
0 2020-01-05      6        0
1 2020-01-12      8        3
2 2020-01-19      9        2
3 2020-01-26     11        2
4 2020-02-02     13        1
5 2020-02-09      8        3
6 2020-02-16      8        2
7 2020-02-23     15        4
8 2020-03-01     22        1
9 2020-03-08      9        5

#calculate max of sales grouped by month
df.groupby(df.date.dt.month)['sales'].max()

date
1    11
2    15
3    22
Name: sales, dtype: int64

import pandas as pd

#create DataFrame
df = pd.DataFrame({'date': pd.date_range(start='1/1/2020', freq='W', periods=10),
                   'sales': [6, 8, 9, 11, 13, 8, 8, 15, 22, 9],
                   'returns': [0, 3, 2, 2, 1, 3, 2, 4, 1, 5]})

#view DataFrame
print(df)

        date  sales  returns
0 2020-01-05      6        0
1 2020-01-12      8        3
2 2020-01-19      9        2
3 2020-01-26     11        2
4 2020-02-02     13        1
5 2020-02-09      8        3
6 2020-02-16      8        2
7 2020-02-23     15        4
8 2020-03-01     22        1
9 2020-03-08      9        5

1import1

import pandas as pd

#create DataFrame
df = pd.DataFrame({'date': pd.date_range(start='1/1/2020', freq='W', periods=10),
                   'sales': [6, 8, 9, 11, 13, 8, 8, 15, 22, 9],
                   'returns': [0, 3, 2, 2, 1, 3, 2, 4, 1, 5]})

#view DataFrame
print(df)

        date  sales  returns
0 2020-01-05      6        0
1 2020-01-12      8        3
2 2020-01-19      9        2
3 2020-01-26     11        2
4 2020-02-02     13        1
5 2020-02-09      8        3
6 2020-02-16      8        2
7 2020-02-23     15        4
8 2020-03-01     22        1
9 2020-03-08      9        5

3import3import4import5import4import7import4import9import4pandas as pd1import4pandas as pd3

#calculate max of sales grouped by month
df.groupby(df.date.dt.month)['sales'].max()

date
1    11
2    15
3    22
Name: sales, dtype: int64

import pandas as pd

#create DataFrame
df = pd.DataFrame({'date': pd.date_range(start='1/1/2020', freq='W', periods=10),
                   'sales': [6, 8, 9, 11, 13, 8, 8, 15, 22, 9],
                   'returns': [0, 3, 2, 2, 1, 3, 2, 4, 1, 5]})

#view DataFrame
print(df)

        date  sales  returns
0 2020-01-05      6        0
1 2020-01-12      8        3
2 2020-01-19      9        2
3 2020-01-26     11        2
4 2020-02-02     13        1
5 2020-02-09      8        3
6 2020-02-16      8        2
7 2020-02-23     15        4
8 2020-03-01     22        1
9 2020-03-08      9        5

1pandas as pd6

import pandas as pd

#create DataFrame
df = pd.DataFrame({'date': pd.date_range(start='1/1/2020', freq='W', periods=10),
                   'sales': [6, 8, 9, 11, 13, 8, 8, 15, 22, 9],
                   'returns': [0, 3, 2, 2, 1, 3, 2, 4, 1, 5]})

#view DataFrame
print(df)

        date  sales  returns
0 2020-01-05      6        0
1 2020-01-12      8        3
2 2020-01-19      9        2
3 2020-01-26     11        2
4 2020-02-02     13        1
5 2020-02-09      8        3
6 2020-02-16      8        2
7 2020-02-23     15        4
8 2020-03-01     22        1
9 2020-03-08      9        5

3pandas as pd8import4df 0import4df 2import4df 4import4df 6import4df 8df 9

=1

#calculate max of sales grouped by month
df.groupby(df.date.dt.month)['sales'].max()

date
1    11
2    15
3    22
Name: sales, dtype: int64

=3

pd.DataFrame(1pd.DataFrame(2=

import pandas as pd

#create DataFrame
df = pd.DataFrame({'date': pd.date_range(start='1/1/2020', freq='W', periods=10),
                   'sales': [6, 8, 9, 11, 13, 8, 8, 15, 22, 9],
                   'returns': [0, 3, 2, 2, 1, 3, 2, 4, 1, 5]})

#view DataFrame
print(df)

        date  sales  returns
0 2020-01-05      6        0
1 2020-01-12      8        3
2 2020-01-19      9        2
3 2020-01-26     11        2
4 2020-02-02     13        1
5 2020-02-09      8        3
6 2020-02-16      8        2
7 2020-02-23     15        4
8 2020-03-01     22        1
9 2020-03-08      9        5

import pandas as pd

#create DataFrame
df = pd.DataFrame({'date': pd.date_range(start='1/1/2020', freq='W', periods=10),
                   'sales': [6, 8, 9, 11, 13, 8, 8, 15, 22, 9],
                   'returns': [0, 3, 2, 2, 1, 3, 2, 4, 1, 5]})

#view DataFrame
print(df)

        date  sales  returns
0 2020-01-05      6        0
1 2020-01-12      8        3
2 2020-01-19      9        2
3 2020-01-26     11        2
4 2020-02-02     13        1
5 2020-02-09      8        3
6 2020-02-16      8        2
7 2020-02-23     15        4
8 2020-03-01     22        1
9 2020-03-08      9        5

69=

import pandas as pd

#create DataFrame
df = pd.DataFrame({'date': pd.date_range(start='1/1/2020', freq='W', periods=10),
                   'sales': [6, 8, 9, 11, 13, 8, 8, 15, 22, 9],
                   'returns': [0, 3, 2, 2, 1, 3, 2, 4, 1, 5]})

#view DataFrame
print(df)

        date  sales  returns
0 2020-01-05      6        0
1 2020-01-12      8        3
2 2020-01-19      9        2
3 2020-01-26     11        2
4 2020-02-02     13        1
5 2020-02-09      8        3
6 2020-02-16      8        2
7 2020-02-23     15        4
8 2020-03-01     22        1
9 2020-03-08      9        5

71pd.DataFrame(5pd.DataFrame(6pd.DataFrame(7

Output:

Trong ví dụ trên, DataFrame được nhóm theo cột ngày. Như chúng tôi đã cung cấp freq = ‘5d, có nghĩa là năm ngày, vì vậy dữ liệu được nhóm theo khoảng 5 ngày mỗi tháng cho đến ngày cuối cùng được đưa ra trong cột ngày.

Ví dụ 3: Nhóm theo năm Group by year

Python3

import pandas as pd

df = pd.DataFrame(

import pandas as pd

#create DataFrame
df = pd.DataFrame({'date': pd.date_range(start='1/1/2020', freq='W', periods=10),
                   'sales': [6, 8, 9, 11, 13, 8, 8, 15, 22, 9],
                   'returns': [0, 3, 2, 2, 1, 3, 2, 4, 1, 5]})

#view DataFrame
print(df)

        date  sales  returns
0 2020-01-05      6        0
1 2020-01-12      8        3
2 2020-01-19      9        2
3 2020-01-26     11        2
4 2020-02-02     13        1
5 2020-02-09      8        3
6 2020-02-16      8        2
7 2020-02-23     15        4
8 2020-03-01     22        1
9 2020-03-08      9        5

import pandas as pd

#create DataFrame
df = pd.DataFrame({'date': pd.date_range(start='1/1/2020', freq='W', periods=10),
                   'sales': [6, 8, 9, 11, 13, 8, 8, 15, 22, 9],
                   'returns': [0, 3, 2, 2, 1, 3, 2, 4, 1, 5]})

#view DataFrame
print(df)

        date  sales  returns
0 2020-01-05      6        0
1 2020-01-12      8        3
2 2020-01-19      9        2
3 2020-01-26     11        2
4 2020-02-02     13        1
5 2020-02-09      8        3
6 2020-02-16      8        2
7 2020-02-23     15        4
8 2020-03-01     22        1
9 2020-03-08      9        5

import pandas as pd

#create DataFrame
df = pd.DataFrame({'date': pd.date_range(start='1/1/2020', freq='W', periods=10),
                   'sales': [6, 8, 9, 11, 13, 8, 8, 15, 22, 9],
                   'returns': [0, 3, 2, 2, 1, 3, 2, 4, 1, 5]})

#view DataFrame
print(df)

        date  sales  returns
0 2020-01-05      6        0
1 2020-01-12      8        3
2 2020-01-19      9        2
3 2020-01-26     11        2
4 2020-02-02     13        1
5 2020-02-09      8        3
6 2020-02-16      8        2
7 2020-02-23     15        4
8 2020-03-01     22        1
9 2020-03-08      9        5

import pandas as pd

#create DataFrame
df = pd.DataFrame({'date': pd.date_range(start='1/1/2020', freq='W', periods=10),
                   'sales': [6, 8, 9, 11, 13, 8, 8, 15, 22, 9],
                   'returns': [0, 3, 2, 2, 1, 3, 2, 4, 1, 5]})

#view DataFrame
print(df)

        date  sales  returns
0 2020-01-05      6        0
1 2020-01-12      8        3
2 2020-01-19      9        2
3 2020-01-26     11        2
4 2020-02-02     13        1
5 2020-02-09      8        3
6 2020-02-16      8        2
7 2020-02-23     15        4
8 2020-03-01     22        1
9 2020-03-08      9        5

import pandas as pd

#create DataFrame
df = pd.DataFrame({'date': pd.date_range(start='1/1/2020', freq='W', periods=10),
                   'sales': [6, 8, 9, 11, 13, 8, 8, 15, 22, 9],
                   'returns': [0, 3, 2, 2, 1, 3, 2, 4, 1, 5]})

#view DataFrame
print(df)

        date  sales  returns
0 2020-01-05      6        0
1 2020-01-12      8        3
2 2020-01-19      9        2
3 2020-01-26     11        2
4 2020-02-02     13        1
5 2020-02-09      8        3
6 2020-02-16      8        2
7 2020-02-23     15        4
8 2020-03-01     22        1
9 2020-03-08      9        5

import pandas as pd

#create DataFrame
df = pd.DataFrame({'date': pd.date_range(start='1/1/2020', freq='W', periods=10),
                   'sales': [6, 8, 9, 11, 13, 8, 8, 15, 22, 9],
                   'returns': [0, 3, 2, 2, 1, 3, 2, 4, 1, 5]})

#view DataFrame
print(df)

        date  sales  returns
0 2020-01-05      6        0
1 2020-01-12      8        3
2 2020-01-19      9        2
3 2020-01-26     11        2
4 2020-02-02     13        1
5 2020-02-09      8        3
6 2020-02-16      8        2
7 2020-02-23     15        4
8 2020-03-01     22        1
9 2020-03-08      9        5

import pandas as pd

#create DataFrame
df = pd.DataFrame({'date': pd.date_range(start='1/1/2020', freq='W', periods=10),
                   'sales': [6, 8, 9, 11, 13, 8, 8, 15, 22, 9],
                   'returns': [0, 3, 2, 2, 1, 3, 2, 4, 1, 5]})

#view DataFrame
print(df)

        date  sales  returns
0 2020-01-05      6        0
1 2020-01-12      8        3
2 2020-01-19      9        2
3 2020-01-26     11        2
4 2020-02-02     13        1
5 2020-02-09      8        3
6 2020-02-16      8        2
7 2020-02-23     15        4
8 2020-03-01     22        1
9 2020-03-08      9        5

import pandas as pd

#create DataFrame
df = pd.DataFrame({'date': pd.date_range(start='1/1/2020', freq='W', periods=10),
                   'sales': [6, 8, 9, 11, 13, 8, 8, 15, 22, 9],
                   'returns': [0, 3, 2, 2, 1, 3, 2, 4, 1, 5]})

#view DataFrame
print(df)

        date  sales  returns
0 2020-01-05      6        0
1 2020-01-12      8        3
2 2020-01-19      9        2
3 2020-01-26     11        2
4 2020-02-02     13        1
5 2020-02-09      8        3
6 2020-02-16      8        2
7 2020-02-23     15        4
8 2020-03-01     22        1
9 2020-03-08      9        5

import pandas as pd

#create DataFrame
df = pd.DataFrame({'date': pd.date_range(start='1/1/2020', freq='W', periods=10),
                   'sales': [6, 8, 9, 11, 13, 8, 8, 15, 22, 9],
                   'returns': [0, 3, 2, 2, 1, 3, 2, 4, 1, 5]})

#view DataFrame
print(df)

        date  sales  returns
0 2020-01-05      6        0
1 2020-01-12      8        3
2 2020-01-19      9        2
3 2020-01-26     11        2
4 2020-02-02     13        1
5 2020-02-09      8        3
6 2020-02-16      8        2
7 2020-02-23     15        4
8 2020-03-01     22        1
9 2020-03-08      9        5

import pandas as pd

#create DataFrame
df = pd.DataFrame({'date': pd.date_range(start='1/1/2020', freq='W', periods=10),
                   'sales': [6, 8, 9, 11, 13, 8, 8, 15, 22, 9],
                   'returns': [0, 3, 2, 2, 1, 3, 2, 4, 1, 5]})

#view DataFrame
print(df)

        date  sales  returns
0 2020-01-05      6        0
1 2020-01-12      8        3
2 2020-01-19      9        2
3 2020-01-26     11        2
4 2020-02-02     13        1
5 2020-02-09      8        3
6 2020-02-16      8        2
7 2020-02-23     15        4
8 2020-03-01     22        1
9 2020-03-08      9        5

import pandas as pd

#create DataFrame
df = pd.DataFrame({'date': pd.date_range(start='1/1/2020', freq='W', periods=10),
                   'sales': [6, 8, 9, 11, 13, 8, 8, 15, 22, 9],
                   'returns': [0, 3, 2, 2, 1, 3, 2, 4, 1, 5]})

#view DataFrame
print(df)

        date  sales  returns
0 2020-01-05      6        0
1 2020-01-12      8        3
2 2020-01-19      9        2
3 2020-01-26     11        2
4 2020-02-02     13        1
5 2020-02-09      8        3
6 2020-02-16      8        2
7 2020-02-23     15        4
8 2020-03-01     22        1
9 2020-03-08      9        5

import pandas as pd

#create DataFrame
df = pd.DataFrame({'date': pd.date_range(start='1/1/2020', freq='W', periods=10),
                   'sales': [6, 8, 9, 11, 13, 8, 8, 15, 22, 9],
                   'returns': [0, 3, 2, 2, 1, 3, 2, 4, 1, 5]})

#view DataFrame
print(df)

        date  sales  returns
0 2020-01-05      6        0
1 2020-01-12      8        3
2 2020-01-19      9        2
3 2020-01-26     11        2
4 2020-02-02     13        1
5 2020-02-09      8        3
6 2020-02-16      8        2
7 2020-02-23     15        4
8 2020-03-01     22        1
9 2020-03-08      9        5

import pandas as pd

#create DataFrame
df = pd.DataFrame({'date': pd.date_range(start='1/1/2020', freq='W', periods=10),
                   'sales': [6, 8, 9, 11, 13, 8, 8, 15, 22, 9],
                   'returns': [0, 3, 2, 2, 1, 3, 2, 4, 1, 5]})

#view DataFrame
print(df)

        date  sales  returns
0 2020-01-05      6        0
1 2020-01-12      8        3
2 2020-01-19      9        2
3 2020-01-26     11        2
4 2020-02-02     13        1
5 2020-02-09      8        3
6 2020-02-16      8        2
7 2020-02-23     15        4
8 2020-03-01     22        1
9 2020-03-08      9        5

import pandas as pd

#create DataFrame
df = pd.DataFrame({'date': pd.date_range(start='1/1/2020', freq='W', periods=10),
                   'sales': [6, 8, 9, 11, 13, 8, 8, 15, 22, 9],
                   'returns': [0, 3, 2, 2, 1, 3, 2, 4, 1, 5]})

#view DataFrame
print(df)

        date  sales  returns
0 2020-01-05      6        0
1 2020-01-12      8        3
2 2020-01-19      9        2
3 2020-01-26     11        2
4 2020-02-02     13        1
5 2020-02-09      8        3
6 2020-02-16      8        2
7 2020-02-23     15        4
8 2020-03-01     22        1
9 2020-03-08      9        5

import pandas as pd

#create DataFrame
df = pd.DataFrame({'date': pd.date_range(start='1/1/2020', freq='W', periods=10),
                   'sales': [6, 8, 9, 11, 13, 8, 8, 15, 22, 9],
                   'returns': [0, 3, 2, 2, 1, 3, 2, 4, 1, 5]})

#view DataFrame
print(df)

        date  sales  returns
0 2020-01-05      6        0
1 2020-01-12      8        3
2 2020-01-19      9        2
3 2020-01-26     11        2
4 2020-02-02     13        1
5 2020-02-09      8        3
6 2020-02-16      8        2
7 2020-02-23     15        4
8 2020-03-01     22        1
9 2020-03-08      9        5

import pandas as pd

#create DataFrame
df = pd.DataFrame({'date': pd.date_range(start='1/1/2020', freq='W', periods=10),
                   'sales': [6, 8, 9, 11, 13, 8, 8, 15, 22, 9],
                   'returns': [0, 3, 2, 2, 1, 3, 2, 4, 1, 5]})

#view DataFrame
print(df)

        date  sales  returns
0 2020-01-05      6        0
1 2020-01-12      8        3
2 2020-01-19      9        2
3 2020-01-26     11        2
4 2020-02-02     13        1
5 2020-02-09      8        3
6 2020-02-16      8        2
7 2020-02-23     15        4
8 2020-03-01     22        1
9 2020-03-08      9        5

import pandas as pd

#create DataFrame
df = pd.DataFrame({'date': pd.date_range(start='1/1/2020', freq='W', periods=10),
                   'sales': [6, 8, 9, 11, 13, 8, 8, 15, 22, 9],
                   'returns': [0, 3, 2, 2, 1, 3, 2, 4, 1, 5]})

#view DataFrame
print(df)

        date  sales  returns
0 2020-01-05      6        0
1 2020-01-12      8        3
2 2020-01-19      9        2
3 2020-01-26     11        2
4 2020-02-02     13        1
5 2020-02-09      8        3
6 2020-02-16      8        2
7 2020-02-23     15        4
8 2020-03-01     22        1
9 2020-03-08      9        5

import pandas as pd

#create DataFrame
df = pd.DataFrame({'date': pd.date_range(start='1/1/2020', freq='W', periods=10),
                   'sales': [6, 8, 9, 11, 13, 8, 8, 15, 22, 9],
                   'returns': [0, 3, 2, 2, 1, 3, 2, 4, 1, 5]})

#view DataFrame
print(df)

        date  sales  returns
0 2020-01-05      6        0
1 2020-01-12      8        3
2 2020-01-19      9        2
3 2020-01-26     11        2
4 2020-02-02     13        1
5 2020-02-09      8        3
6 2020-02-16      8        2
7 2020-02-23     15        4
8 2020-03-01     22        1
9 2020-03-08      9        5

import pandas as pd

#create DataFrame
df = pd.DataFrame({'date': pd.date_range(start='1/1/2020', freq='W', periods=10),
                   'sales': [6, 8, 9, 11, 13, 8, 8, 15, 22, 9],
                   'returns': [0, 3, 2, 2, 1, 3, 2, 4, 1, 5]})

#view DataFrame
print(df)

        date  sales  returns
0 2020-01-05      6        0
1 2020-01-12      8        3
2 2020-01-19      9        2
3 2020-01-26     11        2
4 2020-02-02     13        1
5 2020-02-09      8        3
6 2020-02-16      8        2
7 2020-02-23     15        4
8 2020-03-01     22        1
9 2020-03-08      9        5

import pandas as pd

#create DataFrame
df = pd.DataFrame({'date': pd.date_range(start='1/1/2020', freq='W', periods=10),
                   'sales': [6, 8, 9, 11, 13, 8, 8, 15, 22, 9],
                   'returns': [0, 3, 2, 2, 1, 3, 2, 4, 1, 5]})

#view DataFrame
print(df)

        date  sales  returns
0 2020-01-05      6        0
1 2020-01-12      8        3
2 2020-01-19      9        2
3 2020-01-26     11        2
4 2020-02-02     13        1
5 2020-02-09      8        3
6 2020-02-16      8        2
7 2020-02-23     15        4
8 2020-03-01     22        1
9 2020-03-08      9        5

import pandas as pd

#create DataFrame
df = pd.DataFrame({'date': pd.date_range(start='1/1/2020', freq='W', periods=10),
                   'sales': [6, 8, 9, 11, 13, 8, 8, 15, 22, 9],
                   'returns': [0, 3, 2, 2, 1, 3, 2, 4, 1, 5]})

#view DataFrame
print(df)

        date  sales  returns
0 2020-01-05      6        0
1 2020-01-12      8        3
2 2020-01-19      9        2
3 2020-01-26     11        2
4 2020-02-02     13        1
5 2020-02-09      8        3
6 2020-02-16      8        2
7 2020-02-23     15        4
8 2020-03-01     22        1
9 2020-03-08      9        5

import pandas as pd

#create DataFrame
df = pd.DataFrame({'date': pd.date_range(start='1/1/2020', freq='W', periods=10),
                   'sales': [6, 8, 9, 11, 13, 8, 8, 15, 22, 9],
                   'returns': [0, 3, 2, 2, 1, 3, 2, 4, 1, 5]})

#view DataFrame
print(df)

        date  sales  returns
0 2020-01-05      6        0
1 2020-01-12      8        3
2 2020-01-19      9        2
3 2020-01-26     11        2
4 2020-02-02     13        1
5 2020-02-09      8        3
6 2020-02-16      8        2
7 2020-02-23     15        4
8 2020-03-01     22        1
9 2020-03-08      9        5

#calculate sum of sales grouped by month
df.groupby(df.date.dt.month)['sales'].sum()

date
1    34
2    44
3    31
Name: sales, dtype: int64

import pandas as pd

#create DataFrame
df = pd.DataFrame({'date': pd.date_range(start='1/1/2020', freq='W', periods=10),
                   'sales': [6, 8, 9, 11, 13, 8, 8, 15, 22, 9],
                   'returns': [0, 3, 2, 2, 1, 3, 2, 4, 1, 5]})

#view DataFrame
print(df)

        date  sales  returns
0 2020-01-05      6        0
1 2020-01-12      8        3
2 2020-01-19      9        2
3 2020-01-26     11        2
4 2020-02-02     13        1
5 2020-02-09      8        3
6 2020-02-16      8        2
7 2020-02-23     15        4
8 2020-03-01     22        1
9 2020-03-08      9        5

import pandas as pd

#create DataFrame
df = pd.DataFrame({'date': pd.date_range(start='1/1/2020', freq='W', periods=10),
                   'sales': [6, 8, 9, 11, 13, 8, 8, 15, 22, 9],
                   'returns': [0, 3, 2, 2, 1, 3, 2, 4, 1, 5]})

#view DataFrame
print(df)

        date  sales  returns
0 2020-01-05      6        0
1 2020-01-12      8        3
2 2020-01-19      9        2
3 2020-01-26     11        2
4 2020-02-02     13        1
5 2020-02-09      8        3
6 2020-02-16      8        2
7 2020-02-23     15        4
8 2020-03-01     22        1
9 2020-03-08      9        5

import pandas as pd

#create DataFrame
df = pd.DataFrame({'date': pd.date_range(start='1/1/2020', freq='W', periods=10),
                   'sales': [6, 8, 9, 11, 13, 8, 8, 15, 22, 9],
                   'returns': [0, 3, 2, 2, 1, 3, 2, 4, 1, 5]})

#view DataFrame
print(df)

        date  sales  returns
0 2020-01-05      6        0
1 2020-01-12      8        3
2 2020-01-19      9        2
3 2020-01-26     11        2
4 2020-02-02     13        1
5 2020-02-09      8        3
6 2020-02-16      8        2
7 2020-02-23     15        4
8 2020-03-01     22        1
9 2020-03-08      9        5

#calculate sum of sales grouped by month
df.groupby(df.date.dt.month)['sales'].sum()

date
1    34
2    44
3    31
Name: sales, dtype: int64

#calculate max of sales grouped by month
df.groupby(df.date.dt.month)['sales'].max()

date
1    11
2    15
3    22
Name: sales, dtype: int64

import pandas as pd

#create DataFrame
df = pd.DataFrame({'date': pd.date_range(start='1/1/2020', freq='W', periods=10),
                   'sales': [6, 8, 9, 11, 13, 8, 8, 15, 22, 9],
                   'returns': [0, 3, 2, 2, 1, 3, 2, 4, 1, 5]})

#view DataFrame
print(df)

        date  sales  returns
0 2020-01-05      6        0
1 2020-01-12      8        3
2 2020-01-19      9        2
3 2020-01-26     11        2
4 2020-02-02     13        1
5 2020-02-09      8        3
6 2020-02-16      8        2
7 2020-02-23     15        4
8 2020-03-01     22        1
9 2020-03-08      9        5

#calculate max of sales grouped by month
df.groupby(df.date.dt.month)['sales'].max()

date
1    11
2    15
3    22
Name: sales, dtype: int64

import pandas as pd

#create DataFrame
df = pd.DataFrame({'date': pd.date_range(start='1/1/2020', freq='W', periods=10),
                   'sales': [6, 8, 9, 11, 13, 8, 8, 15, 22, 9],
                   'returns': [0, 3, 2, 2, 1, 3, 2, 4, 1, 5]})

#view DataFrame
print(df)

        date  sales  returns
0 2020-01-05      6        0
1 2020-01-12      8        3
2 2020-01-19      9        2
3 2020-01-26     11        2
4 2020-02-02     13        1
5 2020-02-09      8        3
6 2020-02-16      8        2
7 2020-02-23     15        4
8 2020-03-01     22        1
9 2020-03-08      9        5

1import1

import pandas as pd

#create DataFrame
df = pd.DataFrame({'date': pd.date_range(start='1/1/2020', freq='W', periods=10),
                   'sales': [6, 8, 9, 11, 13, 8, 8, 15, 22, 9],
                   'returns': [0, 3, 2, 2, 1, 3, 2, 4, 1, 5]})

#view DataFrame
print(df)

        date  sales  returns
0 2020-01-05      6        0
1 2020-01-12      8        3
2 2020-01-19      9        2
3 2020-01-26     11        2
4 2020-02-02     13        1
5 2020-02-09      8        3
6 2020-02-16      8        2
7 2020-02-23     15        4
8 2020-03-01     22        1
9 2020-03-08      9        5

3import3import4import5import4import7import4import9import4pandas as pd1import4pandas as pd3

#calculate max of sales grouped by month
df.groupby(df.date.dt.month)['sales'].max()

date
1    11
2    15
3    22
Name: sales, dtype: int64

import pandas as pd

#create DataFrame
df = pd.DataFrame({'date': pd.date_range(start='1/1/2020', freq='W', periods=10),
                   'sales': [6, 8, 9, 11, 13, 8, 8, 15, 22, 9],
                   'returns': [0, 3, 2, 2, 1, 3, 2, 4, 1, 5]})

#view DataFrame
print(df)

        date  sales  returns
0 2020-01-05      6        0
1 2020-01-12      8        3
2 2020-01-19      9        2
3 2020-01-26     11        2
4 2020-02-02     13        1
5 2020-02-09      8        3
6 2020-02-16      8        2
7 2020-02-23     15        4
8 2020-03-01     22        1
9 2020-03-08      9        5

1pandas as pd6

import pandas as pd

#create DataFrame
df = pd.DataFrame({'date': pd.date_range(start='1/1/2020', freq='W', periods=10),
                   'sales': [6, 8, 9, 11, 13, 8, 8, 15, 22, 9],
                   'returns': [0, 3, 2, 2, 1, 3, 2, 4, 1, 5]})

#view DataFrame
print(df)

        date  sales  returns
0 2020-01-05      6        0
1 2020-01-12      8        3
2 2020-01-19      9        2
3 2020-01-26     11        2
4 2020-02-02     13        1
5 2020-02-09      8        3
6 2020-02-16      8        2
7 2020-02-23     15        4
8 2020-03-01     22        1
9 2020-03-08      9        5

3pandas as pd8import4df 0import4df 2import4df 4import4df 6import4df 8df 9

=1

#calculate max of sales grouped by month
df.groupby(df.date.dt.month)['sales'].max()

date
1    11
2    15
3    22
Name: sales, dtype: int64

=3

=4==6

#calculate sum of sales grouped by month
df.groupby(df.date.dt.month)['sales'].sum()

date
1    34
2    44
3    31
Name: sales, dtype: int64

48=

#calculate sum of sales grouped by month
df.groupby(df.date.dt.month)['sales'].sum()

date
1    34
2    44
3    31
Name: sales, dtype: int64

50pd.DataFrame(5pd.DataFrame(6pd.DataFrame(7

Output:

Trong ví dụ trên, DataFrame được nhóm theo cột ngày. Như chúng tôi đã cung cấp freq = ‘2y, có nghĩa là 2 năm, vì vậy dữ liệu được nhóm lại trong khoảng 2 năm.

Ví dụ 4: Nhóm theo phút Group by minutes

Python3

import pandas as pd

df = pd.DataFrame(

import pandas as pd

#create DataFrame
df = pd.DataFrame({'date': pd.date_range(start='1/1/2020', freq='W', periods=10),
                   'sales': [6, 8, 9, 11, 13, 8, 8, 15, 22, 9],
                   'returns': [0, 3, 2, 2, 1, 3, 2, 4, 1, 5]})

#view DataFrame
print(df)

        date  sales  returns
0 2020-01-05      6        0
1 2020-01-12      8        3
2 2020-01-19      9        2
3 2020-01-26     11        2
4 2020-02-02     13        1
5 2020-02-09      8        3
6 2020-02-16      8        2
7 2020-02-23     15        4
8 2020-03-01     22        1
9 2020-03-08      9        5

import pandas as pd

#create DataFrame
df = pd.DataFrame({'date': pd.date_range(start='1/1/2020', freq='W', periods=10),
                   'sales': [6, 8, 9, 11, 13, 8, 8, 15, 22, 9],
                   'returns': [0, 3, 2, 2, 1, 3, 2, 4, 1, 5]})

#view DataFrame
print(df)

        date  sales  returns
0 2020-01-05      6        0
1 2020-01-12      8        3
2 2020-01-19      9        2
3 2020-01-26     11        2
4 2020-02-02     13        1
5 2020-02-09      8        3
6 2020-02-16      8        2
7 2020-02-23     15        4
8 2020-03-01     22        1
9 2020-03-08      9        5

#calculate sum of sales grouped by month
df.groupby(df.date.dt.month)['sales'].sum()

date
1    34
2    44
3    31
Name: sales, dtype: int64

import pandas as pd

#create DataFrame
df = pd.DataFrame({'date': pd.date_range(start='1/1/2020', freq='W', periods=10),
                   'sales': [6, 8, 9, 11, 13, 8, 8, 15, 22, 9],
                   'returns': [0, 3, 2, 2, 1, 3, 2, 4, 1, 5]})

#view DataFrame
print(df)

        date  sales  returns
0 2020-01-05      6        0
1 2020-01-12      8        3
2 2020-01-19      9        2
3 2020-01-26     11        2
4 2020-02-02     13        1
5 2020-02-09      8        3
6 2020-02-16      8        2
7 2020-02-23     15        4
8 2020-03-01     22        1
9 2020-03-08      9        5

=3

=4==6

#calculate sum of sales grouped by month
df.groupby(df.date.dt.month)['sales'].sum()

date
1    34
2    44
3    31
Name: sales, dtype: int64

48=

#calculate max of sales grouped by month
df.groupby(df.date.dt.month)['sales'].max()

date
1    11
2    15
3    22
Name: sales, dtype: int64

23pd.DataFrame(5pd.DataFrame(6pd.DataFrame(7

Output:

Ví dụ 4: Nhóm theo phút

Làm thế nào để tôi chuyển đổi ngày thành tháng trong gấu trúc?

Giả sử chúng ta chỉ muốn truy cập vào tháng, ngày hoặc năm kể từ ngày, chúng ta thường sử dụng gấu trúc ...

Phương pháp 1: Sử dụng DatetimeIndex. Thuộc tính tháng để tìm tháng và sử dụng DateTimeIndex. ....

Mã số :.

Output:.

Phương pháp 2: Sử dụng DateTime. Thuộc tính tháng để tìm tháng và sử dụng DateTime. ....

Output:.

Làm thế nào để bạn kết hợp ngày trong Python?

Python kết hợp ngày và thời gian..

d = ngày (2016, 4, 29) ....

t = dateTime.time (15, 30) ....

dt = datetime.combine (d, t) ....

dt2 = datetime.combine (d, t) ....

DT3 = DateTime (năm = 2020, tháng = 6, ngày = 24).

DT4 = DateTime (2020, 6, 24, 18, 30).

dt5 = dateTime (năm = 2020, tháng = 6, ngày = 24, giờ = 15, phút = 30) ....

dt6 = dt5.replace (năm = 2017, tháng = 10).

Làm cách nào để thêm tháng vào gấu trúc?

Trong gấu trúc, một chuỗi được chuyển đổi thành đối tượng DateTime bằng PD.Phương thức TO_DATETIME () và phương thức pd.DateOfset () được sử dụng để thêm tháng vào đối tượng gấu trúc đã tạo.pd. DateOffset() method is used to add months to the created pandas object.

Làm thế nào để tôi sắp xếp theo tháng trong gấu trúc?

Conclusion:..

Sắp xếp theo tháng bằng cách tạo một từ điển của các giá trị tháng và nó là các giá trị số nguyên tương ứng ..

Sắp xếp bằng cách sử dụng sort_values () bằng cách chuyển đổi cột tháng sang DateTime và truy cập giá trị số nguyên của tháng bằng DT accessor ..

Sắp xếp các giá trị bằng cách chuyển đổi tháng sang phân loại và xác định tháng của một năm là danh mục ..

Hướng dẫn how do you group dates into months in python? - làm thế nào để bạn nhóm ngày thành tháng trong python?

Tài nguyên bổ sung

Python3

Python3

Python3

Python3

Làm thế nào để tôi chuyển đổi ngày thành tháng trong gấu trúc?

Làm thế nào để bạn kết hợp ngày trong Python?

Làm cách nào để thêm tháng vào gấu trúc?

Làm thế nào để tôi sắp xếp theo tháng trong gấu trúc?

Bài Viết Liên Quan

Quảng Cáo

Có thể bạn quan tâm

Toplist được quan tâm

Quảng cáo

Xem Nhiều

Quảng cáo

Chúng tôi

Điều khoản

Trợ giúp

Mạng xã hội