Pandas dataframe တွင် တစ်ပတ်အလိုက် အုပ်စုဖွဲ့နည်း (ဥပမာနှင့်အတူ)

ပန်ဒါ DataFrame တွင် အတန်းများကို ရက်သတ္တပတ်အလိုက် အုပ်စုဖွဲ့ရန် အောက်ပါအခြေခံ syntax ကို သင်အသုံးပြုနိုင်သည်-

 #convert date column to datetime and subtract one week
df[' date '] = pd. to_datetime (df[' date ']) - pd. to_timedelta (7, unit=' d ')

#calculate sum of values, grouped by week
df. groupby ([pd. Group (key=' date ', freq=' W ')])[' values ']. sum ()

ဤအထူးဖော်မြူလာသည် ရက်စွဲ ကော်လံတွင် အတန်းများကို တစ်ပတ်စီ စီစုပြီး DataFrame ရှိ တန်ဖိုးများ ကော်လံအတွက် တန်ဖိုးများ၏ ပေါင်းလဒ်များကို တွက်ချက်သည်။

အောက်ဖော်ပြပါ ဥပမာသည် ဤ syntax ကို လက်တွေ့တွင် မည်သို့အသုံးပြုရမည်ကို ပြသထားသည်။

ဥပမာ- Pandas တွင် အပတ်တိုင်း အုပ်စုဖွဲ့နည်း

ကျွန်ုပ်တို့တွင် ကုမ္ပဏီတစ်ခုမှ မတူညီသောရက်စွဲများဖြင့် ရောင်းချမှုကိုပြသသည့် အောက်ပါပန်ဒါ DataFrame ရှိသည်ဆိုကြပါစို့။

 import pandas as pd

#createDataFrame
df = pd. DataFrame ({' date ': pd. date_range (start='1/5/2022', freq='D', periods=15),
                   ' sales ': [6, 8, 9, 5, 4, 8, 8, 3, 5, 9, 8, 3, 4, 7, 7]})

#view DataFrame
print (df)

         dirty date
0 2022-01-05 6
1 2022-01-06 8
2 2022-01-07 9
3 2022-01-08 5
4 2022-01-09 4
5 2022-01-10 8
6 2022-01-11 8
7 2022-01-12 3
8 2022-01-13 5
9 2022-01-14 9
10 2022-01-15 8
11 2022-01-16 3
12 2022-01-17 4
13 2022-01-18 7
14 2022-01-19 7

ဆက်စပ်- Pandas တွင် ရက်စွဲအပိုင်းအခြားတစ်ခု ဖန်တီးနည်း

ရက်သတ္တပတ်အလိုက် အုပ်စုဖွဲ့ထားသော ရောင်းချမှုပေါင်းစုကို တွက်ချက်ရန် အောက်ပါ syntax ကို အသုံးပြုနိုင်ပါသည်။

 #convert date column to datetime and subtract one week
df[' date '] = pd. to_datetime (df[' date ']) - pd. to_timedelta (7, unit=' d ')

#calculate sum of values, grouped by week
df. groupby ([pd. Group (key=' date ', freq=' W ')])[' sales ']. sum ()

date
2022-01-02 32
2022-01-09 44
2022-01-16 18
Freq: W-SUN, Name: sales, dtype: int64

ဤသည်မှာ ရလဒ်ကို မည်သို့အဓိပ္ပာယ်ဖွင့်ဆိုနိုင်သည်-

• 1/2/2022 ပြီးနောက် ရက်သတ္တပတ်အတွင်း စုစုပေါင်းရောင်းချမှု 32 ခုရှိခဲ့သည်။
• 01/09/2022 ပြီးနောက် 01/09/2022 နောက်ပိုင်းရက်သတ္တပတ်အတွင်း စုစုပေါင်းရောင်းချမှု 44 ခုရှိခဲ့သည်။
• 01/16/2022 နောက်ပိုင်းရက်သတ္တပတ်အတွင်း စုစုပေါင်းရောင်းချမှု 18 ခု ပြုလုပ်ခဲ့သည်။

ပုံမှန်အားဖြင့် ပန်ဒါများသည် ရက်သတ္တပတ်သည် တနင်္ဂနွေနေ့ပြီးနောက် ( W-SUN ) မှ စတင်သည်ဟု ယူဆသင့်သည်။

သို့သော်၊ စာရွက်စာတမ်း အရ၊ သင်သည် Freq အတွက် ဤတန်ဖိုးကို ပြောင်းလဲနိုင်သည်။

ဥပမာအားဖြင့်၊ သင်သည် အပတ်တိုင်း တနင်္လာနေ့ပြီးနောက်နေ့ကို စတင်လိုပါက Freq=W-MON ကို သတ်မှတ်နိုင်သည်။

ရက်သတ္တပတ်အလိုက် အုပ်စုဖွဲ့ထားသော အများဆုံးရောင်းချမှုတန်ဖိုးများကို တွက်ချက်ရန် အလားတူ syntax ကို အသုံးပြုနိုင်ပါသည်။

 #convert date column to datetime and subtract one week
df[' date '] = pd. to_datetime (df[' date ']) - pd. to_timedelta (7, unit=' d ')

#calculate max of values, grouped by week
df. groupby ([pd. Group (key=' date ', freq=' W ')])[' sales ']. max ()

date
2022-01-02 9
2022-01-09 9
2022-01-16 7
Freq: W-SUN, Name: sales, dtype: int64

ဤသည်မှာ ရလဒ်ကို မည်သို့အဓိပ္ပာယ်ဖွင့်ဆိုနိုင်သည်-

• 01/02/2022 ပြီးနောက် 01/02/2022 ပြီးနောက် တစ်ပတ်အတွင်း တစ်ရက်လျှင် အများဆုံး ရောင်းအားမှာ 9 ဖြစ်သည် ။
• 01/9/2022 ပြီးနောက် ရက်သတ္တပတ်အတွင်း တစ်ရက်လျှင် အများဆုံးရောင်းချသည့်အရေအတွက်မှာ 9 ဖြစ်သည်။
• 01/16/2022 ပြီးနောက် 01/16/2022 ပြီးနောက် ရက်သတ္တပတ်အတွင်း တစ်ရက်လျှင် ရောင်းအားအများဆုံး အရေအတွက်မှာ 7 ဖြစ်သည်။

မှတ်ချက် – ပန်ဒါများတွင် အုပ်စုလိုက် လုပ်ဆောင်မှုဆိုင်ရာ စာရွက်စာတမ်းအပြည့်အစုံကို ဤနေရာတွင် ရှာတွေ့နိုင်ပါသည်။

ထပ်လောင်းအရင်းအမြစ်များ

အောက်ဖော်ပြပါ သင်ခန်းစာများသည် ပန်ဒါများတွင် အခြားဘုံလုပ်ဆောင်ချက်များကို မည်သို့လုပ်ဆောင်ရမည်ကို ရှင်းပြသည်-

Pandas DataFrame တွင် လအလိုက် အုပ်စုဖွဲ့နည်း
Pandas DataFrame တွင် နေ့အလိုက် အုပ်စုဖွဲ့နည်း
Groupby အသုံးပြုနည်းနှင့် Pandas တွင် အခြေအနေအရ ရေတွက်နည်း