在 Python 中按月、年和另一个变量分组（总和）

Question

我对编程很陌生，我正在使用 Python 进行数据操作和分析。

我有一个看起来像这样的数据框：

Brand   Date    Unit
A       1/1/19  10
B       3/1/19  11
A       11/1/19 15
B       11/1/19 5
A       1/1/20  10
A       9/2/19  18
B       12/2/19 11
B       19/2/19 8
B       1/1/20  5

我想按月、年和品牌分组。如果有帮助，我还有单独的月份和年份列。预期结果应如下所示：

Brand   Date    Unit
A       Jan 2019  25
B       Jan 2019  16
A       Feb 2019  18
B       Feb 2019  19
A       Jan 2020  8
B       Feb 2020  5

我尝试改编别人问题的答案：

per = df.Date.dt.to_period("M")
g = df.groupby(per,'Brand')
g.sum()

但我收到提示：

ValueError: No axis named Brand for object type <class 'pandas.core.frame.DataFrame'>

我不知道如何解决这个问题。

我曾经通过单独选择每个月/年，按总和分组然后创建字典来使用字典来执行此操作，但这似乎是一种蛮力，非常粗糙，如果 df 更新为新的，这将无济于事数据。

更重要的是，也许我对这种情况的态度不好。最后，我希望 df 看起来像：

Brand    Jan 19   Feb 19   Jan 20 
A        25       18       8
B        16       19       5

Answer 1

使用pandas.to_datetime 和pandas.DataFrame.pivot_table：

df["Date"] = pd.to_datetime(df["Date"], dayfirst=True).dt.strftime("%b %Y")
new_df = df.pivot_table(index="Brand", columns="Date", aggfunc=sum)
print(new_df)

输出：

          Unit                  
Date  Feb 2019 Jan 2019 Jan 2020
Brand                           
A           18       25       10
B           19       16        5

Answer 2

你很接近，DataFrame.groupby 想要一份石斑鱼列表，而不是单纯的争论。

我是这样做的：

import pandas
from io import StringIO

csv = StringIO("""\
Brand   Date    Unit
A       1/1/19  10
B       3/1/19  11
A       11/1/19 15
B       11/1/19 5
A       1/1/20  10
A       9/2/19  18
B       12/2/19 11
B       19/2/19 8
B       1/1/20  5
""")

(
    pandas.read_csv(csv, parse_dates=['Date'], sep='\s+', dayfirst=True)
        .groupby(['Brand', pandas.Grouper(key='Date', freq='1M')])
        .sum()
        .reset_index()
)

这给了我：

  Brand       Date  Unit
0     A 2019-01-31    25
1     A 2019-02-28    18
2     A 2020-01-31    10
3     B 2019-01-31    16
4     B 2019-02-28    19
5     B 2020-01-31     5