我試圖找到每個月的平均“工作”數量。即 5 月（2011 年 5 月 + 2012 年 5 月 + 2013 年 5 月...2020 年 5 月）、6 月等創造的平均就業機會是多少？NAME CLOSEDATE JOBS month yearA 2019-01-01 2 1 2019B 2019-01-01 23 1 2019C 2018-05-24 2 5 2018D 2019-05-23 200 5 2019E 2020-05-23 40 5 2020F 2020-05-14 23 5 2020G 2020-06-12 93 6 2020我嘗試過： pd.pivot_table(proj, index=['month'],values=['JOBS'],aggfunc=[np.sum,np.mean]) 這給了我當月每條記錄的平均工作量，而不是總月的平均值。在上面的示例數據集中，理想情況下我會得到 5 月份的 66.25 個工作崗位的結果。(2+200+40+23)/4我覺得我缺少一些簡單的東西，或者一種將表格格式化為：Year Jan Feb Mar ..... Dec2011 1000 4322 5322 23432012 3423 4322 5322 2343... 1645 4322 5322 23432020 7895 3432 9999 2343AVG. 3491 4099 6491
1 回答
交互式愛情
TA貢獻1712條經驗 獲得超3個贊
更新
首先獲取每年/每月的總和，然后計算跨年的平均值。
by_month = (
proj.groupby([proj.CLOSEDATE.dt.year, proj.CLOSEDATE.dt.month]) # create the groupby object
.JOBS.sum() # select only the JOBS column and aggregate by sum
.unstack(0) # drop the 'year' level form MultiIndex and use as columns
.mean(axis=1) # areage across the years we just unstacked to axis1
.rename('avg_jobs')
.rename_axis('month')
)
print(by_month)
month
1 25.000000
5 88.333333
6 93.000000
Name: avg_jobs, dtype: float64
這將為您提供按月計算的平均工作總和（跨年份和姓名）。請注意，您可以跳過為年/月創建單獨的列，只有在您想繼續將它們用于其他計算時才將它們放入。
by_month = (
proj.groupby('month') # create the groupby object
.JOBS.mean() # select only the JOBS column and aggregate by mean
)
print(by_month)
month
1 12.50
5 66.25
6 93.00
Name: JOBS, dtype: float64
添加回答
舉報
0/150
提交
取消