讓我們考慮以下 DataFrame：d = {'timestamp': ['2019-04-01', '2019-04-01', '2019-04-02', '2019-04-02', '2019-04-02'],\ 'type': ['A', 'B', 'B', 'B', 'A'],\ 'value': [3, 4, 4, 2, 5]}df = pd.DataFrame(data=d) timestamp type value0 2019-04-01 A 31 2019-04-01 B 42 2019-04-02 B 43 2019-04-02 B 24 2019-04-02 A 5我想獲得的是另一列，其中包含特定時間段和類型內所有值的度量。例如，每天每種類型的標準偏差。
1 回答
不負相思意
TA貢獻1777條經驗 獲得超10個贊
使用GroupBy.std：
df = df.groupby(['timestamp','type'])['value'].std().reset_index()
print (df)
timestamp type value
0 2019-04-01 A NaN
1 2019-04-01 B NaN
2 2019-04-02 A NaN
3 2019-04-02 B 1.414214
如果需要多個指標，可以使用DataFrameGroupBy.describe：
df = df.groupby(['timestamp','type'])['value'].describe()
print (df)
count mean std min 25% 50% 75% max
timestamp type
2019-04-01 A 1.0 3.0 NaN 3.0 3.0 3.0 3.0 3.0
B 1.0 4.0 NaN 4.0 4.0 4.0 4.0 4.0
2019-04-02 A 1.0 5.0 NaN 5.0 5.0 5.0 5.0 5.0
B 2.0 3.0 1.414214 2.0 2.5 3.0 3.5 4.0
有關聚合的更多信息，請參閱熊貓中的聚合。
編輯：如果只需要幾個月，請使用Series.dt.month：
df['timestamp'] = pd.to_datetime(df['timestamp'])
df = df.groupby([df['timestamp'].dt.month.rename('months'),'type'])['value'].describe()
print (df)
count mean std min 25% 50% 75% max
months type
4 A 2.0 4.000000 1.414214 3.0 3.5 4.0 4.5 5.0
B 3.0 3.333333 1.154701 2.0 3.0 4.0 4.0 4.0
如果需要年份和月份，請使用Series.dt.to_period月份：
m = df['timestamp'].dt.to_period('m').rename('months')
df = df.groupby([m,'type'])['value'].describe()
print (df)
count mean std min 25% 50% 75% max
months type
2019-04 A 2.0 4.000000 1.414214 3.0 3.5 4.0 4.5 5.0
B 3.0 3.333333 1.154701 2.0 3.0 4.0 4.0 4.0
添加回答
舉報
0/150
提交
取消