pandas中通过日期获取年月日季度和透视聚合pivot_table分组聚合groupby的用法

原创于 2020-06-06 11:51:43 发布 · 2.5k 阅读

6 ·

CC 4.0 BY-SA版权

pandas 专栏收录该内容

8 篇文章

订阅专栏

本文介绍如何利用Python的Pandas库从Excel文件中读取订单数据，并进行时间序列的解析，包括提取年、月、日和季度信息。通过透视表和分组聚合的方法，对数据按类别和年份进行汇总，最后将结果保存到新的Excel文件。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

import pandas as pd
import numpy as np

# pd.options.display.max_columns = 999  # 允许print输出的最大列数
orders_df = pd.read_excel(r"F:\101_pandas视频教程\pandas_excel\Orders.xlsx")

# 获取年
orders_df["year"] = pd.DatetimeIndex(orders_df["Date"]).year
# 获取月
orders_df["month"] = pd.DatetimeIndex(orders_df["Date"]).month
# 获取日
orders_df["day"] = pd.DatetimeIndex(orders_df["Date"]).day
# 获取季度
orders_df["quarter"] = pd.DatetimeIndex(orders_df["Date"]).quarter


# 透视聚合
pt1 = orders_df.pivot_table(index="Category", columns="year", values="Total", aggfunc=np.sum)
pt1.to_excel(r"F:\101_pandas视频教程\pandas_excel\汇总后1.xlsx")


# 分组聚合
groups = orders_df.groupby(["Category", "year"])
s = groups["Total"].sum()
c = groups["ID"].count()

pt2 = pd.DataFrame({"sum": s, "count": c})
pt2.to_excel(r"F:\101_pandas视频教程\pandas_excel\汇总后2.xlsx")