从长格式数据生成系列

Question

df
      date      fruit    type   count   mean      comment
0   2010-01-05   apple   fruit    3    0.280949   apple is best
1   2010-01-05   banana  yellow   3    0.480949   banana not in stock
2   2010-01-05   apple    green   3    0.587949   apple is best
3   2010-01-05   bana     fruit   4    0.80949    banana not in stock
...

有没有办法为每种水果和类型组合获取时间序列序列（x = 年份，y = 平均值）。 （然后我可以计算滚动平均值；需要通用代码，因为有很多类型）。例如对于苹果，我需要两个生成时间序列：apple_fruit 和 apple_green：

date         mean
2010-01-05   0.280949
...

date         mean
2010-01-05   0.587949   
...

Answer 1

您可以使用基于fruit 和type 列拆分数据框

l = list(df.groupby(['fruit', 'type']))

其中l[i][0] 将是fruit、type 组合，l[i][1] 将是与组合匹配的数据帧的子集

样本

df = pd.DataFrame({
                   'date': pd.date_range(start='2016-01-01 09:30:00', periods=40, freq='d'),
                   'fruit': ['apple', 'banana', 'apple', 'banana']*10,
                   'type' : ['fruit', 'yellow', 'green', 'fruit']*10,
                   'count' : [3]*40,
                   'mean'  : np.random.randn(40),
})

for g in  list(df.groupby(['fruit', 'type'])):
    print ("{0} {1}".format(*g[0]))
    print (g[1][['date', 'mean']])

如果您打算基于fruit、type 组合采用滚动平均值，您可以使用

df.sort_values('date').groupby(['fruit', 'type'])['mean'].rolling(1).mean()

不需要显式拆分。

你也可以使用

for g in list(df.sort_values('date').groupby(['fruit', 'type'])):
  print ("{0} {1}".format(*g[0]))
  print (g[1]['mean'].rolling(1).mean())