pandas.Grouper#
- class pandas.Grouper(*args, **kwargs)[源代码]#
Grouper允许用户为对象指定GROUP BY指令。
该规范将通过键参数选择列，或者，如果给定了级别和/或轴参数，则选择目标对象的索引级别。
如果 axis 和/或 level 都作为关键字传递给 Grouper 和 groupby ，则传递给 Grouper 请优先考虑。
- 参数
- key字符串，默认为无
Groupby键，用于选择目标的分组列。
- level名称/编号，默认为无
目标指数的级别。
- freq字符串/频率对象，默认为无
如果目标选择(通过键或级别)是类似DateTime的对象，这将按指定的频率分组。有关可用频率的完整规格，请参阅 here 。
- axis字符串，int，默认为0
轴的编号/名称。
- sort布尔默认为False
是否对生成的标签进行排序。
- closed{‘左’或‘右’}
时间间隔结束结束。仅在以下情况下 freq 参数被传递。
- label{‘左’或‘右’}
用于标注的间隔边界。仅在以下情况下 freq 参数被传递。
- convention{‘开始’，‘结束’，‘e’，‘s’}
如果Grouper为PerodIndex，并且 freq 参数被传递。
- base整型，默认为0
仅在以下情况下 freq 参数被传递。对于平均细分为1天的频率，为合计间隔的“原点”。例如，对于“5分钟”频率，基准的范围可以是0到4。缺省值为0。
1.1.0 版后已移除: 您应该使用的新参数是‘Offset’或‘Origin’。
- loffset字符串、日期偏移量、时间增量对象
仅在以下情况下 freq 参数被传递。
1.1.0 版后已移除: Loffset仅适用于
.resample(...)而不是为了Grouper (GH28302 )。但是，也不推荐使用loffset.resample(...)请参见：DataFrame.resample- originTIMESTAMP或STR，默认为‘start_day’
调整分组所依据的时间戳。来源时区必须与索引的时区匹配。如果为字符串，则必须为以下值之一：
《纪元》： origin 是1970-01-01
‘开始’： origin 是时间序列的第一个价值
‘START_DAY’： origin 是时间系列片的第一天午夜
1.1.0 新版功能.
‘End’： origin 是时间序列的最后一个值
‘End_day’： origin 最后一天的天花板是午夜吗？
1.3.0 新版功能.
- offsetTimedelta或str，默认为无
添加到原点的偏移时间增量。
1.1.0 新版功能.
- dropna布尔值，默认为True
如果为True，并且组键包含NA值，则NA值与行/列一起将被删除。如果为False，则NA值也将被视为组中的关键字。
1.2.0 新版功能.
- 退货
- 分组指令的规范
示例
语法糖For
df.groupby('A')>>> df = pd.DataFrame( ... { ... "Animal": ["Falcon", "Parrot", "Falcon", "Falcon", "Parrot"], ... "Speed": [100, 5, 200, 300, 15], ... } ... ) >>> df Animal Speed 0 Falcon 100 1 Parrot 5 2 Falcon 200 3 Falcon 300 4 Parrot 15 >>> df.groupby(pd.Grouper(key="Animal")).mean() Speed Animal Falcon 200.0 Parrot 10.0
在‘发布日期’列上指定重采样操作
>>> df = pd.DataFrame( ... { ... "Publish date": [ ... pd.Timestamp("2000-01-02"), ... pd.Timestamp("2000-01-02"), ... pd.Timestamp("2000-01-09"), ... pd.Timestamp("2000-01-16") ... ], ... "ID": [0, 1, 2, 3], ... "Price": [10, 20, 30, 40] ... } ... ) >>> df Publish date ID Price 0 2000-01-02 0 10 1 2000-01-02 1 20 2 2000-01-09 2 30 3 2000-01-16 3 40 >>> df.groupby(pd.Grouper(key="Publish date", freq="1W")).mean() ID Price Publish date 2000-01-02 0.5 15.0 2000-01-09 2.0 30.0 2000-01-16 3.0 40.0
如果您想要根据固定的时间戳调整垃圾箱的起始位置：
>>> start, end = '2000-10-01 23:30:00', '2000-10-02 00:30:00' >>> rng = pd.date_range(start, end, freq='7min') >>> ts = pd.Series(np.arange(len(rng)) * 3, index=rng) >>> ts 2000-10-01 23:30:00 0 2000-10-01 23:37:00 3 2000-10-01 23:44:00 6 2000-10-01 23:51:00 9 2000-10-01 23:58:00 12 2000-10-02 00:05:00 15 2000-10-02 00:12:00 18 2000-10-02 00:19:00 21 2000-10-02 00:26:00 24 Freq: 7T, dtype: int64
>>> ts.groupby(pd.Grouper(freq='17min')).sum() 2000-10-01 23:14:00 0 2000-10-01 23:31:00 9 2000-10-01 23:48:00 21 2000-10-02 00:05:00 54 2000-10-02 00:22:00 24 Freq: 17T, dtype: int64
>>> ts.groupby(pd.Grouper(freq='17min', origin='epoch')).sum() 2000-10-01 23:18:00 0 2000-10-01 23:35:00 18 2000-10-01 23:52:00 27 2000-10-02 00:09:00 39 2000-10-02 00:26:00 24 Freq: 17T, dtype: int64
>>> ts.groupby(pd.Grouper(freq='17min', origin='2000-01-01')).sum() 2000-10-01 23:24:00 3 2000-10-01 23:41:00 15 2000-10-01 23:58:00 45 2000-10-02 00:15:00 45 Freq: 17T, dtype: int64
如果要使用 offset Timedelta，以下两行是等价的：
>>> ts.groupby(pd.Grouper(freq='17min', origin='start')).sum() 2000-10-01 23:30:00 9 2000-10-01 23:47:00 21 2000-10-02 00:04:00 54 2000-10-02 00:21:00 24 Freq: 17T, dtype: int64
>>> ts.groupby(pd.Grouper(freq='17min', offset='23h30min')).sum() 2000-10-01 23:30:00 9 2000-10-01 23:47:00 21 2000-10-02 00:04:00 54 2000-10-02 00:21:00 24 Freq: 17T, dtype: int64
取代不推荐使用的 base 参数，您现在可以使用 offset 在本例中，它等效于具有 base=2 ：
>>> ts.groupby(pd.Grouper(freq='17min', offset='2min')).sum() 2000-10-01 23:16:00 0 2000-10-01 23:33:00 9 2000-10-01 23:50:00 36 2000-10-02 00:07:00 39 2000-10-02 00:24:00 24 Freq: 17T, dtype: int64
属性
ax
groups