팬더에서 매달 데이터를 분기별로 변환

Question

ID로 그룹화 된 월별 데이터가 있으며, 또한 부모 ID가 있습니다. 데이터는 다음과 같습니다

data = pd.DataFrame({'parent_id': [1, 1, 1, 1, 1, 1, -99999, -99999, -99999], 
        'id': [123, 123, 123, 123, 123, 123, 123, 123, 123], 
        'data_1': [10, 20, 30, 40, 50, 60, 0, 0, 0], 
        'data_2': [10, 20, 30, 40, 50, 60, 0, 0, 0], 
        'period': [0, 1, 2, 3, 4, 5, 6, 7, 8], 
        'date': ['2017-06-30', '2017-07-31', '2017-08-31', 
           '2017-09-30', '2017-10-31', '2017-11-30', 
           '2017-12-31', '2018-01-31', '2018-02-28'], 
        'quarter': [0, 0, 0, 1, 1, 1, 2, 2, 2]}) 

data_2 = pd.DataFrame({'parent_id': [1, 1, 1, 1, 1, 1, -99999, -99999, -99999], 
        'id': [234, 234, 234, 234, 234, 234, 234, 234, 234], 
        'data_1': [10, 20, 30, 40, 50, 60, 0, 0, 0], 
        'data_2': [10, 20, 30, 40, 50, 60, 0, 0, 0], 
        'period': [0, 1, 2, 3, 4, 5, 6, 7, 8], 
        'date': ['2017-06-30', '2017-07-31', '2017-08-31', 
           '2017-09-30', '2017-10-31', '2017-11-30', 
           '2017-12-31', '2018-01-31', '2018-02-28'], 
        'quarter': [0, 0, 0, 1, 1, 1, 2, 2, 2]}) 

data = data.append(data_2) 
data = data.reindex() 

내가 한 ID가있는 경우에 작동하는 기능을 가지고,하지만 난 하나 개 이상의 ID를 소개 할 때, 합산 한 ID에 고유하지 않습니다.

def convert_to_quarterly(df, date): 
    """Aggregates 3 months of data to a quarterly value.""" 
    columns = ['data_1', 'data_2'] 
    df['date'] = pd.to_datetime(df['date']) 
    df = df.set_index('date') 
    df_quarterly = df.resample('Q')[columns].sum() 
    df_quarterly['date'] = df_quarterly.index 
    df['date'] = df.index 
    df.drop(columns, axis=1, inplace=True) 
    df = pd.merge(df, df_quarterly) 

    return df 

convert_to_quarterly(data, date=pd.to_datetime('2017-06-30')) 

개별 ID 그룹에 대해서만 팬더 금액을 합산하려면 어떻게해야합니까?

Answer 1

아직 작성하지 않았다면 날짜 열을 공식적으로 datetime 유형으로 만들어야합니다. 그러면 groupby 다음에 resample을 사용할 수 있습니다.

data['date'] = data['date'].astype('datetime64[ns]') 
data.set_index('date').groupby('id').resample('Q')['data_1', 'data_2'].sum() 

       data_1 data_2 
id date      
123 2017-06-30  10  10 
    2017-09-30  90  90 
    2017-12-31  110  110 
    2018-03-31  0  0 
234 2017-06-30  20  20 
    2017-09-30  180  180 
    2017-12-31  220  220 
    2018-03-31  0  0