Pandas、特定月份的分组和求和

我有一个数据框：

<class 'pandas.core.frame.DataFrame'>
DatetimeIndex: 982 entries, 2009-10-30 00:00:00 to 2012-12-16 00:00:00
Data columns (total 4 columns):
rain        981  non-null values
temp_max    982  non-null values
temp_min    982  non-null values
temp        982  non-null values
dtypes: float64(4)

对于每年/月的求和，我使用：

mdata = data.groupby([lambda x: x.year, lambda x: x.month]).agg([sum])

但我需要季节性分析（夏季、冬季等），那么我如何创建每年的 [1 ,2 ,3] 等特定月份的总和？

Ty

是的，对我来说似乎很不错的一个解决方案是使用 Seasons 字典，然后使用函数对数据进行分组。每个索引值都会调用一次作为组键传递的任何函数，并且返回值用作组名称。

import pandas as pd
import numpy as np
from pandas import DataFrame
import datetime
# Create a year's worth of data
base = datetime.date.today() - datetime.timedelta(365)
Datelist = [base + datetime.timedelta(days = x) for x in range(365)]
DF = DataFrame(np.random.rand(365), index = Datelist)

# Create a Seasonal Dictionary that will map months to seasons
SeasonDict = {11: 'Winter', 12: 'Winter', 1: 'Winter', 2: 'Spring', 3: 'Spring', 4: 'Spring', 5: 'Summer', 6: 'Summer', 7: 'Summer', \
8: 'Autumn', 9: 'Autumn', 10: 'Autumn'}

# Write a function that will be used to group the data
def GroupFunc(x):
    return SeasonDict[x.month]

# Call the function with the groupby operation. 
Grouped = DF.groupby(GroupFunc)
Grouped.sum()

该函数获取每个索引值并在 Seasons Dictionary 中查找月份并返回与月份键对应的值。该值随后将成为组名称。

或者，您可以像示例中那样使用 lambda （这更有效，但我认为上面的内容会更容易理解）：

DF.groupby(lambda x: SeasonDict[x.month]).sum()

根据注释添加附加代码 在我看来，你最好对数据进行切片。所以你可以执行以下操作

DF['Season'] = ""
for row in DF.index:
    DF.Season[row] = SeasonDict[row.month]
DFWinter = DF[DF.Season == 'Winter']

现在您有了一个包含冬季数据的新数据框，可以根据需要进行使用。 不同之处在于，groupby 操作允许您对所有数据进行相同的操作，而听起来您想以不同的方式研究数据集不同部分的属性。为此，最好进行切片，在本例中使用布尔切片。