{"id":3255,"date":"2023-07-18T10:46:40","date_gmt":"2023-07-18T10:46:40","guid":{"rendered":"https:\/\/statorials.org\/de\/pandas-gruppe-pro-quartal\/"},"modified":"2023-07-18T10:46:40","modified_gmt":"2023-07-18T10:46:40","slug":"pandas-gruppe-pro-quartal","status":"publish","type":"post","link":"https:\/\/statorials.org\/de\/pandas-gruppe-pro-quartal\/","title":{"rendered":"So gruppieren sie nach quartalen in pandas dataframe (mit beispiel)"},"content":{"rendered":"

<\/p>\n

\n

Sie k\u00f6nnen die folgende grundlegende Syntax verwenden, um Zeilen in einem Pandas-DataFrame nach Viertel zu gruppieren:<\/span><\/p>\n

 #convert date column to datetime<\/span>\ndf[' date<\/span> '] = pd. to_datetime<\/span> (df[' date<\/span> '])\n\n#calculate sum of values, grouped by quarter\n<\/span>df. groupby<\/span> (df[' date<\/span> ']. dt<\/span> . to_period<\/span> (' Q<\/span> '))[' values<\/span> ']. sum<\/span> ()\n<\/strong><\/pre>\n
 Diese spezielle Formel gruppiert die Zeilen in der Datumsspalte<\/strong> nach Viertel und berechnet die Summe der Wertespalte<\/strong> im DataFrame.<\/span><\/p>\n
 Das folgende Beispiel zeigt, wie diese Syntax in der Praxis verwendet wird.<\/span><\/p>\n
 Beispiel: So gruppieren Sie in Pandas nach Vierteln<\/strong><\/span><\/h2>\n
 Nehmen wir an, wir haben den folgenden Pandas-DataFrame, der die Verk\u00e4ufe eines Unternehmens zu verschiedenen Daten anzeigt:<\/span><\/p>\n
 import<\/span> pandas as<\/span> pd\n\n#createDataFrame<\/span>\ndf = pd. DataFrame<\/span> ({' date<\/span> ': pd. date_range<\/span> (start='1\/1\/2022', freq='M', periods= 12<\/span> ),\n                   ' sales<\/span> ': [6, 8, 10, 5, 4, 8, 8, 3, 5, 14, 8, 3]})\n\n#view DataFrame\n<\/span>print<\/span> (df)\n\n         dirty date\n0 2022-01-31 6\n1 2022-02-28 8\n2 2022-03-31 10\n3 2022-04-30 5\n4 2022-05-31 4\n5 2022-06-30 8\n6 2022-07-31 8\n7 2022-08-31 3\n8 2022-09-30 5\n9 2022-10-31 14\n10 2022-11-30 8\n11 2022-12-31 3<\/strong><\/span><\/pre>\n
 Verwandte Themen:<\/strong> So erstellen Sie einen Datumsbereich in Pandas<\/a><\/span><\/p>\n
 Die folgende Syntax kann verwendet werden, um die Summe der nach Quartalen gruppierten Verk\u00e4ufe zu berechnen:<\/span><\/p>\n
 #convert date column to datetime and subtract one week<\/span>\ndf[' date<\/span> '] = pd. to_datetime<\/span> (df[' date<\/span> '])\n\n#calculate sum of sales, grouped by quarter\n<\/span>df. groupby<\/span> (df[' date<\/span> ']. dt<\/span> . to_period<\/span> (' Q<\/span> '))[' sales<\/span> ']. sum<\/span> ()\n\ndate\n2022Q1 24\n2022Q2 17\n2022Q3 16\n2022Q4 25\nFreq: Q-DEC, Name: sales, dtype: int64\n<\/strong><\/pre>\n
 So interpretieren Sie das Ergebnis:<\/span><\/p>\n