我希望這個問題很清楚，但我正在研究 Zillow 房屋銷售數據，并且遇到了一個問題，即能夠將某些年份的所有月份合并到新聲明的“年份”變量。這基本上應該將包含 Jan-YY、Feb-YY、Mar-YY...等的所有數據存儲為 YY。我嘗試過 Pandas 內置的函數，例如Stack()和Pivot()，但這些似乎不起作用。如果沒有可行的方法來做到這一點，我有什么選擇？提前致謝！示例：采用 Column1 = '1/31/1996'和 Column2 = '2/28/1996' …等。和 Column12 = '12/31/1996'并組合成一個名為Y1996的新列。這比每月細分更容易分析。我的代碼： import pandas as pd import numpy as np import statsmodels.api as sm import matplotlib.pyplot as plt %matplotlib inline zil = pd.read_csv('zillow.csv') df_zil = pd.DataFrame(df_zil) df_zil.head(4) #My attempt at merging into one y1996 = (df_zil['1/31/1996'] + df_zil['3/31/1996'] + df_zil['4/30/1996'] + df_zil['5/31/1996'] + df_zil['6/30/1996'] + df_zil['7/31/1996'] + df_zil['8/31/1996'] + df_zil['9/30/1996'] + df_zil['10/31/1996'] + df_zil['11/30/1996'] + df_zil['12/31/1996'])如何通過 Excel 格式化數據的屏幕截圖 - 從第一列開始參考 Zillow 數據： https: //www.zillow.com/research/data/
1 回答
冉冉說
TA貢獻1877條經驗 獲得超1個贊
我認為你需要與支點相反的東西——融化。您的數據采用“寬”格式，如果將數據轉換為“高”格式，則可以更輕松地進行此匯總。獲得高格式的數據后，您可以使用 groupby 來匯總同一年內的值。
我下載了房屋庫存和銷售數據集，并編寫了一個簡短的程序來匯總同一年的所有值。
代碼：
import pandas as pd
df = pd.read_csv("Metro_invt_fs_uc_sfrcondo_smoothed_month.csv")
# Take all of the columns after the index and convert them into additional rows
df = df.melt(id_vars=["RegionID", "SizeRank", "RegionName", "RegionType", "StateName"], var_name="Date")
# Drop date, but keep year
df["Year"] = pd.to_datetime(df["Date"]).dt.year
df = df.drop("Date", axis="columns")
# Aggregate each year
df = df.groupby(["RegionID", "SizeRank", "RegionName", "RegionType", "StateName", "Year"], as_index=False).sum()
print(df)
輸出：
RegionID SizeRank RegionName RegionType StateName Year value
0 394304 74 Akron, OH Msa OH 2017 3576.0
1 394304 74 Akron, OH Msa OH 2018 42625.0
2 394304 74 Akron, OH Msa OH 2019 39078.0
3 394304 74 Akron, OH Msa OH 2020 21532.0
4 394308 60 Albany, NY Msa NY 2017 2969.0
.. ... ... ... ... ... ... ...
475 753906 75 North Port-Sarasota-Bradenton, FL Msa FL 2020 73953.0
476 753924 54 Urban Honolulu, HI Msa HI 2017 3735.0
477 753924 54 Urban Honolulu, HI Msa HI 2018 50079.0
478 753924 54 Urban Honolulu, HI Msa HI 2019 57413.0
479 753924 54 Urban Honolulu, HI Msa HI 2020 35522.0
[480 rows x 7 columns]
添加回答
舉報
0/150
提交
取消