Python - 按月汇总并计算平均值

Question

我有一个如下所示的 csv：

Date,Sentiment
2014-01-03,0.4
2014-01-04,-0.03
2014-01-09,0.0
2014-01-10,0.07
2014-01-12,0.0
2014-02-24,0.0
2014-02-25,0.0
2014-02-25,0.0
2014-02-26,0.0
2014-02-28,0.0
2014-03-01,0.1
2014-03-02,-0.5
2014-03-03,0.0
2014-03-08,-0.06
2014-03-11,-0.13
2014-03-22,0.0
2014-03-23,0.33
2014-03-23,0.3
2014-03-25,-0.14
2014-03-28,-0.25
etc

我的目标是按月汇总日期并计算月的平均值。日期可能不以 1. 或一月开头。问题是我有很多数据，这意味着我还有更多年。为此，我想找到最早的日期（月份），然后从那里开始计算月份及其平均值。例如：

Month count, average
1, 0.4 (<= the earliest month)
2, -0.3
3, 0.0
...
12, 0.1
13, -0.4 (<= new year but counting of month is continuing)
14, 0.3

我正在使用 Pandas 打开 csv

data = pd.read_csv("pks.csv", sep=",")

所以在data['Date'] 我有日期，在data['Sentiment'] 我有价值观。知道怎么做吗？

Answer 1

可能最简单的方法是使用resample 命令。首先，当您读取数据时，请确保解析日期并将日期列设置为索引（忽略 StringIO 部分和 header=True ...我正在从多行字符串中读取您的示例数据):

>>> df = pd.read_csv(StringIO(data),header=True,parse_dates=['Date'],
                     index_col='Date')
>>> df

            Sentiment
Date
2014-01-03       0.40
2014-01-04      -0.03
2014-01-09       0.00
2014-01-10       0.07
2014-01-12       0.00
2014-02-24       0.00 
2014-02-25       0.00
2014-02-25       0.00
2014-02-26       0.00
2014-02-28       0.00
2014-03-01       0.10
2014-03-02      -0.50
2014-03-03       0.00
2014-03-08      -0.06
2014-03-11      -0.13
2014-03-22       0.00
2014-03-23       0.33
2014-03-23       0.30
2014-03-25      -0.14
2014-03-28      -0.25


>>> df.resample('M').mean()

            Sentiment
2014-01-31      0.088
2014-02-28      0.000
2014-03-31     -0.035

如果你想要一个月份计数器，你可以在resample之后添加它：

>>> agg = df.resample('M',how='mean')
>>> agg['cnt'] = range(len(agg))
>>> agg

            Sentiment  cnt
2014-01-31      0.088    0
2014-02-28      0.000    1
2014-03-31     -0.035    2

您也可以使用groupby 方法和TimeGrouper 函数来执行此操作（按月分组，然后调用groupby 提供的平均便捷方法）。

>>> df.groupby(pd.TimeGrouper(freq='M')).mean()

            Sentiment
2014-01-31      0.088
2014-02-28      0.000
2014-03-31     -0.035

Answer 2

要在 DataFrame 具有每日数据行“Sentiment”时获取 DataFrame 的月平均值，我会：

1. 将日期列df['dates']转换为DataFrame的索引df:df.set_index('date',inplace=True)
2. 然后我将索引dates 转换为月份索引：df.index.month
3. 最后我将计算 DataFrame GROUPED BY MONTH 的平均值：df.groupby(df.index.month).Sentiment.mean()

我去这里慢慢扔每一步：

带有日期和值的生成 DataFrame

• 你需要先导入 Pandas 和 Numpy，以及模块datetime

  from datetime import datetime
  

• 在 2019 年 1 月 1 日和 2019 年 3 月 5 日之间以“W”周为间隔生成一个列 'date'。还有一列'Sentiment'，随机值在1-100之间：

  date_rng = pd.date_range(start='1/1/2018', end='3/05/2018', freq='W')
  df = pd.DataFrame(date_rng, columns=['date'])
  df['Sentiment']=np.random.randint(0,100,size=(len(date_rng)))
  

• df 有两列 'date' 和 'Sentiment'：

          date  Sentiment
  0 2018-01-07         34
  1 2018-01-14         32
  2 2018-01-21         15
  3 2018-01-28          0
  4 2018-02-04         95
  5 2018-02-11         53
  6 2018-02-18          7
  7 2018-02-25         35
  8 2018-03-04         17
  

  设置'date'column为DataFrame的索引：

  df.set_index('date',inplace=True)
  

• df 有一列'Sentiment'，索引为'date'：

              Sentiment
  date                 
  2018-01-07         34
  2018-01-14         32
  2018-01-21         15
  2018-01-28          0
  2018-02-04         95
  2018-02-11         53
  2018-02-18          7
  2018-02-25         35
  2018-03-04         17
  

从索引中获取月份数

    months=df.index.month

按月分组获取每个月的平均值：

    monthly_avg=df.groupby(months).Sentiment.mean()

'monthly_avg' 月份数据集的平均值为：

    date
    1    20.25
    2    47.50
    3    17.00