Pandas 按周、月、年、统计数据
介绍
将日期转为时间格式 并设置为索引
import pandas as pd
data=pd.read_excel('5\TB201812.xls',usecols=['订单创建时间','总金额'])
print(data)
data['订单创建时间']=pd.to_datetime(data['订单创建时间'])
data=data.set_index('订单创建时间')
print(data)
按周、月、季度、年统计数据
import pandas as pd
data=pd.read_excel('5\TB201812.xls',usecols=['订单创建时间','总金额'])
data['订单创建时间']=pd.to_datetime(data['订单创建时间'])
data=data.set_index('订单创建时间')
print(data.resample('w').sum())
print(data.resample('m').sum())
print(data.resample('Q').sum())
print(data.resample('AS').sum())
使用to_period()方法 优化
按月、季度和年显示数据（不统计数据）
import pandas as pd
data=pd.read_excel('5\TB201812.xls',usecols=['订单创建时间','总金额'])
data['订单创建时间']=pd.to_datetime(data['订单创建时间'])
data=data.set_index('订单创建时间')
print(data.resample('w').sum().to_period('w'))
print(data.resample('m').sum().to_period('m'))
print(data.resample('q').sum().to_period('q'))
print(data.resample('as').sum().to_period('a'))
与之前相比 日期的显示方式发生了改变
到此这篇关于Pandas按周/月/年统计数据介绍的文章就介绍到这了,更多相关Pandas统计数据内容请搜索编程网以前的文章或继续浏览下面的相关文章希望大家以后多多支持编程网！
