在pandas中按周分组
我有这个数据框：
Name Date Quantity
Apple 07/11/17 20
orange 07/14/17 20
Apple 07/14/17 70
Orange 07/25/17 40
Apple 07/20/17 30
我想按名称和日期进行汇总以获取数量总和。详细信息：
日期 ：组，结果应在星期初（或仅在星期一）
数量 ：两个或多个记录具有相同的名称和日期（如果属于相同间隔）的总和
所需的输出如下：
Name Date Quantity
Apple 07/10/17 90
orange 07/10/17 20
Apple 07/17/17 30
orange 07/24/17 40
提前致谢
问题答案：
首先转换列date to_datetime并减去一个星期，因为我们要对日期之前一周进行累加，而不是该日期之前一周。
然后通过W-MON使用groupbywith并进行聚合：Groupersum
df['Date'] = pd.to_datetime(df['Date']) - pd.to_timedelta(7, unit='d')
df = df.groupby(['Name', pd.Grouper(key='Date', freq='W-MON')])['Quantity']
.sum()
.reset_index()
.sort_values('Date')
print (df)
Name Date Quantity
0 Apple 2017-07-10 90
3 orange 2017-07-10 20
1 Apple 2017-07-17 30
2 Orange 2017-07-24 40
-
问题内容： Oracle的表服务器提供了一个内置功能。此功能将任何时间戳转换为前一个星期日的午夜。在MySQL中执行此操作的最佳方法是什么？ Oracle还提供将时间戳转换为发生该月的第一天的午夜。在MySQL中，这很简单： 但是这个技巧将在数周内失效。我知道此功能，但是我真的不想要一年内的星期数。这些东西是用于多年的工作。 问题答案： 想通了…有点麻烦，但这就是。 而且，如果您的业务规则说您的工
-
上面是我的数组，我想将日期按周分组，这样我就可以在报告中正确地显示它们。所以会是这样的：
-
问题内容： 我有一个这样的数据框： 我想计算每个集群每个组织的平均时间。 预期结果： 我不知道如何在熊猫中做到这一点，有人可以帮忙吗？ 问题答案： 如果你想先对组合取平均值，然后再对cluster组取平均值 如果你不仅仅希望价值观，那么你可以 你可以groupby上再取
-
问题内容： 我有一个用例，其中： 数据的格式为：Col1，Col2，Col3和时间戳。 现在，我只想获取行数与时间戳箱的数量。 也就是说，对于每半小时的存储桶（甚至没有对应行的存储桶），我需要计算有多少行。 时间戳记分布在一年内，因此我无法将其划分为24个存储桶。 我必须每隔30分钟将它们装箱。 问题答案： 通过
-
问题内容： 我想在df列中获取特定值的百分比。假设我有一个（fol，col2，col3，性别）的df性别列，其值是M或F。我想获取df中M和F值的百分比。 我已经尝试过了，这给了我M和F实例的数量，但是我想要这些作为df中值总数的百分比。 有人可以帮忙吗？ 问题答案： 使用有：
-
在Loc vs. iloc vs. ix vs. at vs. iat的答案中选择？例如。 现在我想要所有的栏目，除了“食物”和“高度”。 我认为类似于的东西可以工作，但是Python返回。 我知道有一种解决方法：。然而，在我的现实生活中，我有数百列要删除。键入所有列名是如此低效。 我期待类似于R语言中的或。 还阅读了选择/排除Pandas中的列集。