为 Python 中的数据框计算每个月的计数器
Calculate counter for each month for dataframe in Python
我有以下数据框：
cluster_ID
counter_1
counter_2
date
0
1
0
2021-01-02 10:00:00
0
1
2
2021-01-03 12:00:24
0
0
1
2021-01-04 09:10:30
0
2
1
2021-02-15 08:10:21
0
1
1
2021-03-04 14:23:43
1
2
0
2020-12-30 13:16:45
1
2
3
2021-01-07 12:13:23
1
1
2
2021-03-06 07:28:23
2
1
1
2021-01-10 14:24:23
2
1
0
2021-01-15 17:23:35
2
0
1
2021-01-20 13:28:13
2
1
2
2021-02-11 11:23:15
3
3
2
2021-04-13 21:14:19
我想定义一个生成新数据框的函数，该数据框包括 table 中每个现有月份的 2 个新列，用于从 counter_1 和 [=26= 生成的日期列] 信息。对于按 cluster_ID 的每个组，每个月分别对每个计数器的列 counter_1 和 counter_2 求和。如果该月不存在任何值，则结果 table 应填充为 0。date 的值是一个 Python 时间戳。
生成的数据框示例：
cluster_ID
counter_1_2020-12
counter_2_2020-12
counter_1_2021-01
counter_2_2021-01
counter_1_2021-02
counter_2_2021-02
counter_1_2021-03
counter_2_2021-03
counter_1_2021-04
counter_2_2021-04
0
0
0
2
3
2
1
1
1
0
0
1
2
0
2
3
0
0
1
2
0
0
2
0
0
2
2
1
2
0
0
0
0
3
0
0
0
0
0
0
0
0
3
2
希望你能帮我解决我的问题。感谢您的帮助。
您可以将日期时间转换为 YYYY-MM 字符串，通过 DataFrame.pivot_table 和 aggfunc='sum' 旋转，按日期对列进行排序，并通过 map 展平 MultiIndex：
df['date'] = pd.to_datetime(df['date'])
df1 = (df.assign(date = df['date'].dt.strftime('%Y-%m'))
.pivot_table(index='cluster_ID', columns='date', fill_value=0, aggfunc='sum')
.sort_index(level=[1,0], axis=1))
df1.columns = df1.columns.map(lambda x: f'{x[0]}_{x[1]}')
df1 = df1.reset_index()
print (df1)
cluster_ID counter_1_2020-12 counter_2_2020-12 counter_1_2021-01 \
0 0 0 0 2
1 1 2 0 2
2 2 0 0 2
3 3 0 0 0
counter_2_2021-01 counter_1_2021-02 counter_2_2021-02 counter_1_2021-03 \
0 3 2 1 1
1 3 0 0 1
2 2 1 2 0
3 0 0 0 0
counter_2_2021-03 counter_1_2021-04 counter_2_2021-04
0 1 0 0
1 2 0 0
2 0 0 0
3 0 3 2
我有以下数据框：
| cluster_ID | counter_1 | counter_2 | date |
|---|---|---|---|
| 0 | 1 | 0 | 2021-01-02 10:00:00 |
| 0 | 1 | 2 | 2021-01-03 12:00:24 |
| 0 | 0 | 1 | 2021-01-04 09:10:30 |
| 0 | 2 | 1 | 2021-02-15 08:10:21 |
| 0 | 1 | 1 | 2021-03-04 14:23:43 |
| 1 | 2 | 0 | 2020-12-30 13:16:45 |
| 1 | 2 | 3 | 2021-01-07 12:13:23 |
| 1 | 1 | 2 | 2021-03-06 07:28:23 |
| 2 | 1 | 1 | 2021-01-10 14:24:23 |
| 2 | 1 | 0 | 2021-01-15 17:23:35 |
| 2 | 0 | 1 | 2021-01-20 13:28:13 |
| 2 | 1 | 2 | 2021-02-11 11:23:15 |
| 3 | 3 | 2 | 2021-04-13 21:14:19 |
我想定义一个生成新数据框的函数，该数据框包括 table 中每个现有月份的 2 个新列，用于从 counter_1 和 [=26= 生成的日期列] 信息。对于按 cluster_ID 的每个组，每个月分别对每个计数器的列 counter_1 和 counter_2 求和。如果该月不存在任何值，则结果 table 应填充为 0。date 的值是一个 Python 时间戳。
生成的数据框示例：
| cluster_ID | counter_1_2020-12 | counter_2_2020-12 | counter_1_2021-01 | counter_2_2021-01 | counter_1_2021-02 | counter_2_2021-02 | counter_1_2021-03 | counter_2_2021-03 | counter_1_2021-04 | counter_2_2021-04 |
|---|---|---|---|---|---|---|---|---|---|---|
| 0 | 0 | 0 | 2 | 3 | 2 | 1 | 1 | 1 | 0 | 0 |
| 1 | 2 | 0 | 2 | 3 | 0 | 0 | 1 | 2 | 0 | 0 |
| 2 | 0 | 0 | 2 | 2 | 1 | 2 | 0 | 0 | 0 | 0 |
| 3 | 0 | 0 | 0 | 0 | 0 | 0 | 0 | 0 | 3 | 2 |
希望你能帮我解决我的问题。感谢您的帮助。
您可以将日期时间转换为 YYYY-MM 字符串，通过 DataFrame.pivot_table 和 aggfunc='sum' 旋转，按日期对列进行排序，并通过 map 展平 MultiIndex：
df['date'] = pd.to_datetime(df['date'])
df1 = (df.assign(date = df['date'].dt.strftime('%Y-%m'))
.pivot_table(index='cluster_ID', columns='date', fill_value=0, aggfunc='sum')
.sort_index(level=[1,0], axis=1))
df1.columns = df1.columns.map(lambda x: f'{x[0]}_{x[1]}')
df1 = df1.reset_index()
print (df1)
cluster_ID counter_1_2020-12 counter_2_2020-12 counter_1_2021-01 \
0 0 0 0 2
1 1 2 0 2
2 2 0 0 2
3 3 0 0 0
counter_2_2021-01 counter_1_2021-02 counter_2_2021-02 counter_1_2021-03 \
0 3 2 1 1
1 3 0 0 1
2 2 1 2 0
3 0 0 0 0
counter_2_2021-03 counter_1_2021-04 counter_2_2021-04
0 1 0 0
1 2 0 0
2 0 0 0
3 0 3 2