我有数据框
ID 2016-01 2016-02 ... 2017-01 2017-02 ... 2017-10 2017-11 2017-12
111 12 34 0 12 3 0 0
222 0 32 5 5 0 0 0
我需要每 12 列进行计数并得到
ID 2016 2017
111 46 15
222 32 10
我尝试使用
(df.groupby((np.arange(len(df.columns)) // 31) + 1, axis=1).sum().add_prefix('s'))
但它返回到所有列 但是当我尝试使用
df.groupby['ID']((np.arange(len(df.columns)) // 31) + 1, axis=1).sum().add_prefix('s'))
返回
TypeError: 'method' object is not subscriptable
我该如何解决?
最佳答案
第一个set_index
所有没有日期的列:
df = df.set_index('ID')
1. groupby
split
编辑列并首先选择:
df = df.groupby(df.columns.str.split('-').str[0], axis=1).sum()
2. lambda
拆分函数:
df = df.groupby(lambda x: x.split('-')[0], axis=1).sum()
3. 将列转换为日期时间和groupby
年:
df.columns = pd.to_datetime(df.columns)
df = df.groupby(df.columns.year, axis=1).sum()
4. 按
:年
重采样
df.columns = pd.to_datetime(df.columns)
df = df.resample('A', axis=1).sum()
df.columns = df.columns.year
print (df)
2016 2017
ID
111 46 15
222 32 10
关于python - Pandas :每 N 列的总和,我们在Stack Overflow上找到一个类似的问题: https://stackoverflow.com/questions/46607027/