关于python：熊猫时间序列平均月度量

pandas time series average monthly volume

我有每天一次的csv时间序列数据和累计销售额。Silimar对此

1
2
3
4
5
6
7
8
9
10
11
12
13
14

01-01-2010 12:10:10 50.00
01-02-2010 12:10:10 80.00
01-03-2010 12:10:10 110.00
.
. for each dat of 2010
.
01-01-2011 12:10:10 2311.00
01-02-2011 12:10:10 2345.00
01-03-2011 12:10:10 2445.00
.
. for each dat of 2011
.

and so on.

我希望得到每年每个月的月销售额(最大值-最小值)。因此，在过去的5年里，我将有5个1月的值(最大-最小)，5个2月的值(最大-最小)。等等。

一旦我有了这些，我接下来会得到1月的(5年平均值)，2月的(5年平均值)。等等。

现在，我通过对原始df[年/月]进行切片，然后对一年中的特定月份进行平均。

我希望使用时间序列resample()方法，但目前我一直在告诉pd在[从今天起的过去10年]内每月(max-min)抽样一次。然后在a.mean()中链接

对于如何通过resample()有效地实现这一点的任何建议都将不胜感激。

相关讨论

你可以用resample*2来实现：

首先重新取样到一个月(M)并得到diff(max()-min())
然后重新取样到5年(5AS)和groupby月，取mean()。

例如。：

1
2
3
4
5
6
7
8
9
10
11
12
13
14

In []:
date_range = pd.date_range(start='2008-01-01',end='2017-12-31')
df = pd.DataFrame({'sale': np.random.randint(100, 200, size=date_range.size)},
index=date_range)

In []:
df1 = df.resample('M').apply(lambda g: g.max()-g.min())
df1.resample('5AS').apply(lambda g: g.groupby(g.index.month).mean()).unstack()

Out[]:
sale
1 2 3 4 5 6 7 8 9 10 11 12
2008-01-01 95.4 90.2 95.2 95.4 93.2 93.8 91.8 95.6 93.4 93.4 94.2 93.8
2013-01-01 93.2 96.4 92.8 96.4 92.6 93.0 93.2 92.6 91.2 93.2 91.8 92.2

它可能看起来像这样(注意：没有累计销售价值)。这里的关键是执行df.groupby()传递dt.year和dt.month。

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19

import pandas as pd
import numpy as np

df = pd.DataFrame({
'date': pd.date_range(start='2016-01-01',end='2017-12-31'),
'sale': np.random.randint(100,200, size = 365*2+1)
})

# Get month max, min and size (and as they are sorted - last and first)
dfg = df.groupby([df.date.dt.year,df.date.dt.month])['sale'].agg(['last','first','size'])

# Assign new cols (diff and avg) and drop max min size
dfg = dfg.assign(diff = dfg['last'] - dfg['first'])
dfg = dfg.assign(avg = dfg['diff'] / dfg['size']).drop(['last','first','size'], axis=1)

# Rename index cols
dfg.index = dfg.index.rename(['Year','Month'])

print(dfg.head(6))

1
2
3
4
5
6
7
8

diff avg
Year Month
2016 1 -56 -1.806452
2 -17 -0.586207
3 30 0.967742
4 34 1.133333
5 46 1.483871
6 2 0.066667

号