python - 如何按日期排序，然后按日期添加另一列的总计

Question

我如何获取一行日期并按月过滤它们，然后添加每个月的总销售额？

此代码尝试在 1 月执行此操作。

df['Release Date'] = pd.to_datetime(df['Release Date'])
print(df.loc[df['Release Date'].dt.month == 1][df['Tickets Sold'].sum())

df['Release Date'] = pd.to_datetime(df['Release Date'])
print(df.loc[df['Release Date'].dt.month == 1][df['Tickets Sold'].sum())

0 1,000 卢比纸币 ... 277 1 10 克洛弗菲尔德巷 ... 8333294 2 13小时:类加西 secret 士兵... 6110198 3 2016 年奥斯卡短裤……325643 4 20 世纪女性 ... 20644

试图将每个月售出的门票总数相加。

Answer 1

所以您要获取每个月的总数。那么您是否也尝试用这些总数做一些事情？

虚拟数据:

import pandas as pd
import numpy as np

# dummy data
date_range = pd.date_range('2019-01-01', '2019-03-31', freq='D')
df = pd.DataFrame(
    np.random.randint(1, 20, (date_range.shape[0], 1)),
    index=date_range,
    columns=['Tickets Sold'])
df['Release Date'] = df.index
df.reset_index(inplace=True, drop=True)

>>> print(df.head())
   Tickets Sold Release Date
0            15   2019-01-01
1             7   2019-01-02
2             5   2019-01-03
3             5   2019-01-04
4            19   2019-01-05

要获得总数，只需将 Release Date 列设置为 index 并在每月 M 上使用 resample > 基础。

# set column release date as index and resample.
df.set_index('Release Date', inplace=True)

>>> print(df.resample('M').sum())
              Tickets Sold
Release Date              
2019-01-31             305
2019-02-28             278
2019-03-31             322