按条件添加小计列
请问你能告诉我怎么添加一个季度列吗？这个列里要包含每个月的值的总和。
| 部分 | 2024年3月1日 00:00:00 | 2024年4月1日 00:00:00 | 2024年5月1日 00:00:00 | 2024年6月1日 00:00:00 | 2024年7月1日 00:00:00 | 2024年8月1日 00:00:00 | 2024年9月1日 00:00:00 |
|---|---|---|---|---|---|---|---|
| 部分1 | 6 | 8 | 2 | 3 | 0 | 5 | 5 |
| 部分2 | 7 | 1 | 3 | 8 | 9 | 4 | 10 |
| 部分3 | 10 | 7 | 4 | 5 | 6 | 10 | 0 |
| 部分4 | 6 | 9 | 3 | 0 | 10 | 9 | 10 |
| 部分5 | 2 | 1 | 10 | 8 | 7 | 3 | 3 |
| 部分6 | 1 | 0 | 4 | 1 | 1 | 7 | 8 |
我想要的输出是这样的：
| 部分 | 2024年3月1日 00:00:00 | Q1'24 | 2024年4月1日 00:00:00 | 2024年5月1日 00:00:00 | 2024年6月1日 00:00:00 | Q2'24 | 2024年7月1日 00:00:00 | 2024年8月1日 00:00:00 | 2024年9月1日 00:00:00 | Q3'24 |
|---|---|---|---|---|---|---|---|---|---|---|
| 部分1 | 6 | 6 | 8 | 2 | 3 | 13 | 0 | 5 | 5 | 10 |
| 部分2 | 7 | 7 | 1 | 3 | 8 | 12 | 9 | 4 | 10 | 23 |
| 部分3 | 10 | 10 | 7 | 4 | 5 | 16 | 6 | 10 | 0 | 16 |
| 部分4 | 6 | 6 | 9 | 3 | 0 | 12 | 10 | 9 | 10 | 29 |
| 部分5 | 2 | 2 | 1 | 10 | 8 | 19 | 7 | 3 | 3 | 13 |
| 部分6 | 1 | 1 | 0 | 4 | 1 | 5 | 1 | 7 | 8 | 16 |
4 个回答
0
这里你可以看到代码。
import pandas as pd
from io import StringIO
data='''
part,"2024-03-01 00:00:00","2024-04-01 00:00:00","2024-05-01 00:00:00","2024-06-01 00:00:00","2024-07-01 00:00:00","2024-08-01 00:00:00","2024-09-01 00:00:00"
part1,6,8,2,3,0,5,5
part2,7,1,3,8,9,4,10
part3,10,7,4,5,6,10,0
part4,6,9,3,0,10,9,10
part5,2,1,10,8,7,3,3
part6,1,0,4,1,1,7,8
'''
data_str=StringIO(data)
df=pd.read_csv(data_str)
print(df)
#Unpivot the DF
un_pivot = pd.melt(df,
id_vars = 'part',var_name='date', value_name='count'
)
print(un_pivot.dtypes)
un_pivot['date']=pd.to_datetime(un_pivot['date'])
un_pivot_g=un_pivot.groupby(['part', pd.Grouper(key='date', freq='Q')]).sum().reset_index()
un_pivot_g['date'] = un_pivot_g['date'].dt.to_period('Q').astype(str)
pivot_result = un_pivot_g.pivot_table(index='part', columns='date', values='count')
final_df = pd.merge(df, pivot_result, on='part')
print(final_df,'output')
输出的图片
2
一种方法是先把数据进行转置，然后使用一个叫做 Grouper 的工具来把季度数据分组；接着，你可以把结果数据的索引转换成 Period 类型，再把它拼接回原来的数据中，最后再转置一次，就能得到想要的结果：
tmp = df.T
tmp.index = pd.to_datetime(tmp.index)
res = tmp.groupby(pd.Grouper(freq='Q')).sum()
res.index = res.index.to_period('Q')
out = pd.concat([tmp, res]).sort_index(key=lambda x:pd.PeriodIndex(x, 'Q')).T
输出结果：
2024-03-01 00:00:00 2024Q1 2024-04-01 00:00:00 2024-05-01 00:00:00 \
part
part1 6 6 8 2
part2 7 7 1 3
part3 10 10 7 4
part4 6 6 9 3
part5 2 2 1 10
part6 1 1 0 4
2024-06-01 00:00:00 2024Q2 2024-07-01 00:00:00 2024-08-01 00:00:00 \
part
part1 3 13 0 5
part2 8 12 9 4
part3 5 16 6 10
part4 0 12 10 9
part5 8 19 7 3
part6 1 5 1 7
2024-09-01 00:00:00 2024Q3
part
part1 5 10
part2 10 23
part3 0 16
part4 10 29
part5 3 13
part6 8 16
3
你可以通过使用 DatetimeIndex.to_period 来把列转换为季度时间段，这样可以方便计算小计。然后，可以用 concat 把这些小计和原始数据合并在一起。为了确保数据的顺序正确，可以使用 DataFrame.sort_index 来排序：
df.columns = pd.to_datetime(df.columns)
out = (pd.concat([df,
df.groupby(df.columns.to_period('Q'), axis=1).sum()],
axis=1)
.sort_index(axis=1, key=lambda x: pd.PeriodIndex(x, 'Q')))
out.columns = [x.strftime("Q%q'%y") if isinstance(x, pd.Period)
else x for x in out.columns]
print (out)
2024-03-01 00:00:00 Q1'24 2024-04-01 00:00:00 2024-05-01 00:00:00 \
part
part1 6 6 8 2
part2 7 7 1 3
part3 10 10 7 4
part4 6 6 9 3
part5 2 2 1 10
part6 1 1 0 4
2024-06-01 00:00:00 Q2'24 2024-07-01 00:00:00 2024-08-01 00:00:00 \
part
part1 3 13 0 5
part2 8 12 9 4
part3 5 16 6 10
part4 0 12 10 9
part5 8 19 7 3
part6 1 5 1 7
2024-09-01 00:00:00 Q3'24
part
part1 5 10
part2 10 23
part3 0 16
part4 10 29
part5 3 13
part6 8 16
说得好 - 在最新版本的 pandas (2.1.4+) 中需要进行转置，谢谢 @nick：
df.columns = pd.to_datetime(df.columns)
df = df.T
out = (pd.concat([df,
df.groupby(df.index.to_period('Q')).sum()]).T
.sort_index(axis=1, key=lambda x: pd.PeriodIndex(x, 'Q'))
)
out.columns = [x.strftime("Q%q'%y")
if isinstance(x, pd.Period)
else x for x in out.columns]
print (out)
2024-03-01 00:00:00 Q1'24 2024-04-01 00:00:00 2024-05-01 00:00:00 \
part
part1 6 6 8 2
part2 7 7 1 3
part3 10 10 7 4
part4 6 6 9 3
part5 2 2 1 10
part6 1 1 0 4
2024-06-01 00:00:00 Q2'24 2024-07-01 00:00:00 2024-08-01 00:00:00 \
part
part1 3 13 0 5
part2 8 12 9 4
part3 5 16 6 10
part4 0 12 10 9
part5 8 19 7 3
part6 1 5 1 7
2024-09-01 00:00:00 Q3'24
part
part1 5 10
part2 10 23
part3 0 16
part4 10 29
part5 3 13
part6 8 16