{"id":3752,"date":"2023-07-15T18:16:37","date_gmt":"2023-07-15T18:16:37","guid":{"rendered":"https:\/\/statorials.org\/de\/gruppe-pandas-pro-tag\/"},"modified":"2023-07-15T18:16:37","modified_gmt":"2023-07-15T18:16:37","slug":"gruppe-pandas-pro-tag","status":"publish","type":"post","link":"https:\/\/statorials.org\/de\/gruppe-pandas-pro-tag\/","title":{"rendered":"So gruppieren sie nach tag 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 Tag zu gruppieren:<\/span><\/p>\n

 df. groupby<\/span> (df. your_date_column<\/span> . dt<\/span> . day<\/span> )[' values_column<\/span> ']. sum<\/span> ()\n<\/strong><\/pre>\n
 Diese spezielle Formel gruppiert die Zeilen nach Datum in \u201eyour_date_column\u201c<\/strong> und berechnet die Summe der Werte f\u00fcr \u201e values_column\u201c<\/strong> im DataFrame.<\/span><\/p>\n
 Beachten Sie, dass die Funktion dt.day()<\/strong> den Tag aus einer Datumsspalte in Pandas extrahiert.<\/span><\/p>\n
 Das folgende Beispiel zeigt, wie diese Syntax in der Praxis verwendet wird.<\/span><\/p>\n
 Beispiel: So gruppieren Sie Pandas nach Tag<\/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\/2020<\/span> ', freq=' 8h<\/span> ', periods= 10<\/span> ),\n                   ' sales<\/span> ': [6, 8, 9, 11, 13, 8, 8, 15, 22, 9],\n                   ' returns<\/span> ': [0, 3, 2, 2, 1, 3, 2, 4, 1, 5]})\n\n#view DataFrame\n<\/span>print<\/span> (df)\n\n                 date sales returns\n0 2020-01-01 00:00:00 6 0\n1 2020-01-01 08:00:00 8 3\n2 2020-01-01 16:00:00 9 2\n3 2020-01-02 00:00:00 11 2\n4 2020-01-02 08:00:00 13 1\n5 2020-01-02 16:00:00 8 3\n6 2020-01-03 00:00:00 8 2\n7 2020-01-03 08:00:00 15 4\n8 2020-01-03 16:00:00 22 1\n9 2020-01-04 00:00:00 9 5<\/strong><\/span><\/pre>\n
 Verwandte Themen:<\/strong> So erstellen Sie einen Datumsbereich in Pandas<\/a><\/span><\/p>\n
 Wir k\u00f6nnen die folgende Syntax verwenden, um die Summe der nach Tagen gruppierten Verk\u00e4ufe zu berechnen:<\/span><\/p>\n
 #calculate sum of sales grouped by day\ndf. groupby<\/span> (df. date<\/span> . dt<\/span> . day<\/span> )[' sales<\/span> ']. sum<\/span> ()\n\ndate\n1 23\n2 32\n3 45\n4 9\nName: sales, dtype: int64<\/span><\/span><\/strong><\/pre>\n
 So interpretieren Sie das Ergebnis:<\/span><\/p>\n