我目前正在使用按时间对数据进行分组
df.groupby(pd.TimeGrouper('AS'))
这给了我年度团体。不过，我希望这些小组从三月份开始，确切地说是每年 xxxx-03-01。
强制执行此操作的一种方法是确保我的第一个数据点首先在 A 月，或者我的最后一个数据点在 2 月 28 日结束并使用 close='right'。目前这些对我来说都不可行。我还能如何每年从三月到三月分组？
最佳答案
不优雅，但我没有看到 groupby 内置了这样的参数:
import pandas as pd
from numpy.random import randn
rng = pd.date_range('1/1/2011', periods=25, freq='M')
ts = pd.Series(randn(len(rng)), index=rng)
def truncYears(ts, month):
starts = ts[ts.index.month==month].index # Fix if multiple entries per month.
groups = {}
if starts[0] > ts.index[0]:
groups[ts.index[0]] = ts[ts.index < starts[0]]
for start in starts:
end = '%d-%d'%(start.year+1, start.month-1)
print(start, end)
groups[start] = ts[start:end]
return groups
groups = truncYears(ts, 3)
for k in groups:
print(groups[k])
结果(注意字典键未排序，因此年份不按顺序排列):
2011-01-31 -1.719806 2011-02-28 -0.657064 Freq: M, dtype: float64 2012-03-31 1.200984 2012-04-30 -0.496715 2012-05-31 -0.998218 2012-06-30 1.711504 2012-07-31 0.304211 2012-08-31 1.091810 2012-09-30 -0.716785 2012-10-31 -0.996493 2012-11-30 -0.541812 2012-12-31 1.027787 2013-01-31 0.249775 Freq: M, dtype: float64 2011-03-31 -1.406736 2011-04-30 0.245077 2011-05-31 -0.010090 2011-06-30 -1.459824 2011-07-31 0.150871 2011-08-31 -1.223533 2011-09-30 0.859539 2011-10-31 0.623674 2011-11-30 -2.071204 2011-12-31 0.254750 2012-01-31 0.667076 2012-02-29 0.076249 Freq: M, dtype: float64
关于python - Pandas 时间分组 : Boundaries for the grouping，我们在Stack Overflow上找到一个类似的问题： https://stackoverflow.com/questions/29416238/