Pandas сумма каждого значения в определенном месячном диапазоне каждый год

Question

Я хочу суммировать данные с января по июнь каждый год. У меня есть датафрейм, который выглядит следующим образом:

Date       Value
1980-01-01 2
1980-02-01 3
1980-03-01 3
1980-04-01 2
1980-05-01 3
1980-06-01 3

Я бы хотел, чтобы там был новый столбец, в котором значение данных будет храниться как Sum для каждого 6-месячного интервала каждый год, так что сумма будет = 16 для этого примера. Я попытался использовать комбинацию df.groupby() и df.sum(), но не смог понять это.

Ожидаемый результат будет выглядеть примерно так:

Date       Value   Sum
1980-01-01 2       16
1980-02-01 3
1980-03-01 3
1980-04-01 2
1980-05-01 3
1980-06-01 3

Answer 1

idx = pd.Series(pd.date_range('1/1/2018', periods=100, freq='MS'),name='date')
df = pd.DataFrame(range(len(idx)), index=idx,columns=['A'])

Filter затем resample .

>>> sums = df.loc[df.index.month.isin([1,2,3,4,5,6])].resample('YS').sum()
>>> sums['A'].values
array([ 15,  87, 159, 231, 303, 375, 447, 519, 390], dtype=int64)
>>> sums
              A
date           
2018-01-01   15
2019-01-01   87
2020-01-01  159
2021-01-01  231
2022-01-01  303
2023-01-01  375
2024-01-01  447
2025-01-01  519
2026-01-01  390
>>> 

---

Я предположил, что date был индексом в вашем примере. Если это изменение столбца, вам нужно использовать dt аксессор в фильтре и указать имя столбца в resample.

dfa = pd.DataFrame({'date':idx,'A':range(len(idx))})
>>> sums = dfa.loc[dfa.date.dt.month.isin([1,2,3,4,5,6])].resample('YS',on='date').sum()
>>> sums['A'].values
array([ 15,  87, 159, 231, 303, 375, 447, 519, 390], dtype=int64)

Вы также можете пересчитывать / агрегировать с шестимесячной периодичностью и просто брать все остальные результаты - похоже, сработает, даже если в серии отсутствуют месяцы.

>>> dfq = dfa.loc[::2]
>>> dfq.head()
        date  A
0 2018-01-01  0
2 2018-03-01  2
4 2018-05-01  4
6 2018-07-01  6
8 2018-09-01  8
>>> dfc = dfq.resample('6MS', on='date').sum()
>>> dfc.loc[::2].head()
              A
date           
2018-01-01    6
2019-01-01   42
2020-01-01   78
2021-01-01  114
2022-01-01  150

---

Если DataFrame содержит только первые шесть месяцев каждого года, вам не нужно фильтровать. Просто пересчитайте.

>>> dfb = dfa.loc[dfa.date.dt.month.isin([1,2,3,4,5,6])]
>>> dfb.resample('YS',on='date').sum().head()
              A
date           
2018-01-01   15
2019-01-01   87
2020-01-01  159
2021-01-01  231
2022-01-01  303
>>>