Groeperen op dag in pandas dataframe (met voorbeeld)

U kunt de volgende basissyntaxis gebruiken om rijen per dag te groeperen in een Panda DataFrame:

 df. groupby (df. your_date_column . dt . day )[' values_column ']. sum ()

Deze specifieke formule groepeert de rijen op datum in your_date_column en berekent de som van de waarden voor de waarden_kolom in het DataFrame.

Merk op dat de functie dt.day() de dag extraheert uit een datumkolom in panda’s.

Het volgende voorbeeld laat zien hoe u deze syntaxis in de praktijk kunt gebruiken.

Voorbeeld: Hoe te groeperen op dag in panda’s

Laten we zeggen dat we de volgende panda’s DataFrame hebben die de verkopen van een bedrijf op verschillende data weergeven:

 import pandas as pd

#createDataFrame
df = pd. DataFrame ({' date ': pd. date_range (start=' 1/1/2020 ', freq=' 8h ', periods= 10 ),
                   ' sales ': [6, 8, 9, 11, 13, 8, 8, 15, 22, 9],
                   ' returns ': [0, 3, 2, 2, 1, 3, 2, 4, 1, 5]})

#view DataFrame
print (df)

                 date sales returns
0 2020-01-01 00:00:00 6 0
1 2020-01-01 08:00:00 8 3
2 2020-01-01 16:00:00 9 2
3 2020-01-02 00:00:00 11 2
4 2020-01-02 08:00:00 13 1
5 2020-01-02 16:00:00 8 3
6 2020-01-03 00:00:00 8 2
7 2020-01-03 08:00:00 15 4
8 2020-01-03 16:00:00 22 1
9 2020-01-04 00:00:00 9 5

Gerelateerd: Hoe u een datumbereik in Panda’s kunt maken

We kunnen de volgende syntaxis gebruiken om de som van de verkopen gegroepeerd per dag te berekenen:

 #calculate sum of sales grouped by day
df. groupby (df. date . dt . day )[' sales ']. sum ()

date
1 23
2 32
3 45
4 9
Name: sales, dtype: int64

Zo interpreteert u het resultaat:

• De totale omzet op 1 januari bedroeg 23 .
• De totale omzet op 2 januari bedroeg 32 .
• De totale omzet op 3 januari bedroeg 45 .
• De totale omzet op 4 januari bedroeg 9 .

We kunnen een vergelijkbare syntaxis gebruiken om de maximale verkoopwaarden gegroepeerd per maand te berekenen:

 #calculate max of sales grouped by day
df. groupby (df. date . dt . day )[' sales ']. max ()

date
1 9
2 13
3 22
4 9
Name: sales, dtype: int64

We kunnen een vergelijkbare syntaxis gebruiken om elke waarde te berekenen die we willen groeperen op basis van de dagelijkse waarde van een datumkolom.

Opmerking : u kunt hier de volledige documentatie van de GroupBy-bewerking in panda’s vinden.

Aanvullende bronnen

In de volgende tutorials wordt uitgelegd hoe u andere veelvoorkomende bewerkingen in panda’s kunt uitvoeren:

Hoe te groeperen per week in panda’s
Hoe te groeperen op maand bij Pandas
Hoe te groeperen op kwartaal in Panda’s