PANDAS之RESAMPLE

按日期汇总信息

Pandas中的resample函数可以完成日期的聚合工作，包括按小时维度，日期维度，月维度，季度及年的维度等等。下面我们分别说明。首先是按周的维度对前面数据表的数据进行求和。下面的代码中W表示聚合方式是按周，how表示数据的计算方式，默认是计算平均值，这里设置为sum，进行求和计算。

?

1	loandata.resample( 'W' ,how = sum ).head( 10 )

将W改为M，数据变成了按月聚合的方式。计算方式依然是求和。这里需要说明的是resample函数会显示出所有连续的时间段，例如前面按周的聚合操作会显示连续的周日期，这里的按月操作则会在结果中显示连续的月，如果某个时间段没有数据，会以NaN值显示。

?

1	loandata.resample( 'M' ,how = sum )

将前面代码中的M改为Q，则为按季度对数据进行聚合，计算方式依然为求和。从下面的数据表中看，日期显示的都是每个季度的最后一天，如果希望以每个季度的第一天显示，可以改为QS。

?

1	loandata.resample( 'Q' ,how = sum )

将前面代码中的Q改为A，就是按年对数据进行聚合，计算方式依然为求和。

?

1	loandata.resample( 'A' ,how = sum )

前面的方法都是对整个数据表进行聚合和求和操作，如果只需要对某一个字段的值进行聚合和求和，可以在数据表后增加列的名称。下面是将贷款金额字段按月聚合后求和，并用0填充空值。

?

1	loandata[ 'loan_amnt' ].resample( 'M' ,how = sum ).fillna( 0 )

在前面代码的基础上再增加一个数值字段，并且在后面的计算方式中增加len用来计数。在下面的结果中分别对贷款金额和利息收入按月聚合，并进行求和和计数计算

?

1	loandata[[ 'loan_amnt' , 'total_rec_int' ]].resample( 'M' ,how = [ len , sum ])

有时我们需要只对某一时间段的数据进行聚合和计算，下面的代码中对2016年1月至5月的数据按月进行了聚合，并计算求和。用0填充空值。

?

1	loandata[ '2016-01' : '2016-05' ].resample( 'M' ,how = sum ).fillna( 0 )

或者只对某些符合条件的数据进行聚合和计算。下面的代码中对于贷款金额大于5000的按月进行聚合，并计算求和。空值以0进行填充。

?

1	loandata[loandata[ 'loan_amnt' ]> 5000 ].resample( 'M' ,how = sum ).fillna( 0 )

除了按周，月，季度和年以外，resample函数还可以按以下方式对日期进行聚合。

下面给出了具体的对应表和说明。

 

总结

以上就是利用python按特定的维度或条件对数据进行提取的全部内容，希望本文的内容对大家学习使用Python能有所帮助。