pandas时间序列使用groupby分组时如何将年份转为列展示
实现方案
你可以通过pivot透视表直接实现你要的结构,以下是两种可直接运行的实现方式:
方式1:优化现有逻辑,无需单独拆分年月日列
import pandas as pd # 你的原始数据构造 fechas= pd.Series(pd.date_range(start='2015-01-01', end='2020-12-01', freq='H')) data=pd.Series(range(len(fechas))) df=pd.DataFrame({'Date':fechas, 'Data':data}) # 按天聚合求和 df_daily = df.groupby(df['Date'].dt.date)['Data'].sum().reset_index() # 生成dd-mm格式的月日标识,自动补前导零保证格式统一 df_daily['dd-mm'] = df_daily['Date'].apply(lambda x: x.strftime('%d-%m')) # 提取年份 df_daily['year'] = df_daily['Date'].dt.year # 透视生成目标结构 res = df_daily.pivot(index='dd-mm', columns='year', values='Data').reset_index() # 清除列名多余层级,将年份列名转为字符串,匹配你要求的格式 res.columns.name = None res.rename(columns={col:str(col) for col in res.columns if isinstance(col, int)}, inplace=True)
方式2:在你现有已写好的代码基础上修改
# 你原有的可运行代码 df['year']=pd.DatetimeIndex(df['Date']).year df['month']=pd.DatetimeIndex(df['Date']).month df['day']=pd.DatetimeIndex(df['Date']).day daily_sum = df.groupby(['year','month','day'])['Data'].sum().reset_index() # 新增逻辑生成目标结构 daily_sum['dd-mm'] = daily_sum.apply(lambda row: f"{row['day']:02d}-{row['month']:02d}", axis=1) res = daily_sum.pivot(index='dd-mm', columns='year', values='Data').reset_index() res.columns.name = None res.rename(columns={col:str(col) for col in res.columns if isinstance(col, int)}, inplace=True)
可选补充处理
如果需要把缺失值(比如闰年2月29日非闰年的空值)替换为0,可在最后新增一行:
res.fillna(0, inplace=True)
内容的提问来源于stack exchange,提问作者user1181237
相关产品推荐
相关产品推荐

