<\/p>\n
Mo\u017cesz u\u017cy\u0107 nast\u0119puj\u0105cej podstawowej sk\u0142adni, aby grupowa\u0107 wiersze wed\u0142ug tygodni w ramce DataFrame pandy:<\/span><\/p>\n Ta konkretna formu\u0142a grupuje wiersze wed\u0142ug tygodnia w kolumnie daty<\/strong> i oblicza sum\u0119 warto\u015bci dla kolumny warto\u015bci<\/strong> w DataFrame.<\/span><\/p>\n Poni\u017cszy przyk\u0142ad pokazuje, jak zastosowa\u0107 t\u0119 sk\u0142adni\u0119 w praktyce.<\/span><\/p>\n Za\u0142\u00f3\u017cmy, \u017ce mamy nast\u0119puj\u0105c\u0105 ramk\u0119 danych pandy, kt\u00f3ra pokazuje sprzeda\u017c dokonan\u0105 przez firm\u0119 w r\u00f3\u017cnych datach:<\/span><\/p>\n Powi\u0105zane:<\/strong> Jak utworzy\u0107 zakres dat w Pandach<\/a><\/span><\/p>\n Do obliczenia sumy sprzeda\u017cy pogrupowanej wed\u0142ug tygodni mo\u017cemy zastosowa\u0107 nast\u0119puj\u0105c\u0105 sk\u0142adni\u0119:<\/span><\/p>\n Oto jak zinterpretowa\u0107 wynik:<\/span><\/p>\n Nale\u017cy zaznaczy\u0107, \u017ce pandy domy\u015blnie zak\u0142adaj\u0105, \u017ce tydzie\u0144 zaczyna si\u0119 nast\u0119pnego dnia po niedzieli ( W-SUN<\/strong> ).<\/span><\/p>\n Jednak zgodnie z dokumentacj\u0105<\/a> mo\u017cna zmieni\u0107 t\u0119 warto\u015b\u0107 dla Freq<\/strong> .<\/span><\/p>\n Na przyk\u0142ad mo\u017cesz okre\u015bli\u0107 Cz\u0119stotliwo\u015b\u0107=W-MON,<\/strong> je\u015bli chcesz, aby ka\u017cdy tydzie\u0144 rozpoczyna\u0142 si\u0119 po poniedzia\u0142ku (tj. wtorku).<\/span><\/p>\n Podobn\u0105 sk\u0142adni\u0119 mo\u017cemy zastosowa\u0107 do obliczenia maksymalnych warto\u015bci sprzeda\u017cy pogrupowanych wed\u0142ug tygodni:<\/span><\/p>\n Oto jak zinterpretowa\u0107 wynik:<\/span><\/p>\n Uwaga<\/strong> : pe\u0142n\u0105 dokumentacj\u0119 operacji grupowania<\/strong> w pandach znajdziesz tutaj<\/a> .<\/span><\/p>\n Poni\u017csze samouczki wyja\u015bniaj\u0105, jak wykonywa\u0107 inne typowe operacje na pandach:<\/span><\/p>\n Jak grupowa\u0107 wed\u0142ug miesi\u0119cy w Pandas DataFrame<\/a> Mo\u017cesz u\u017cy\u0107 nast\u0119puj\u0105cej podstawowej sk\u0142adni, aby grupowa\u0107 wiersze wed\u0142ug tygodni w ramce DataFrame pandy: #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 […]<\/p>\n","protected":false},"author":1,"featured_media":0,"comment_status":"open","ping_status":"open","sticky":false,"template":"","format":"standard","meta":{"footnotes":""},"categories":[3],"tags":[],"class_list":["post-3252","post","type-post","status-publish","format-standard","hentry","category-przewodnik"],"yoast_head":"\n #convert date column to datetime and subtract one week<\/span>\ndf[' date<\/span> '] = pd. to_datetime<\/span> (df[' date<\/span> ']) - pd. to_timedelta<\/span> (7, unit=' d<\/span> ')\n\n#calculate sum of values, grouped by week\n<\/span>df. groupby<\/span> ([pd. Group<\/span> (key=' date<\/span> ', freq=' W<\/span> ')])[' values<\/span> ']. sum<\/span> ()\n<\/strong><\/pre>\n Przyk\u0142ad: Jak grupowa\u0107 wed\u0142ug tygodni w Pandas<\/strong><\/span><\/h2>\n
import<\/span> pandas as<\/span> pd\n\n#createDataFrame<\/span>\ndf = pd. DataFrame<\/span> ({' date<\/span> ': pd. date_range<\/span> (start='1\/5\/2022', freq='D', periods=15),\n ' sales<\/span> ': [6, 8, 9, 5, 4, 8, 8, 3, 5, 9, 8, 3, 4, 7, 7]})\n\n#view DataFrame\nprint<\/span><\/span> (df)\n\n dirty date\n0 2022-01-05 6\n1 2022-01-06 8\n2 2022-01-07 9\n3 2022-01-08 5\n4 2022-01-09 4\n5 2022-01-10 8\n6 2022-01-11 8\n7 2022-01-12 3\n8 2022-01-13 5\n9 2022-01-14 9\n10 2022-01-15 8\n11 2022-01-16 3\n12 2022-01-17 4\n13 2022-01-18 7\n14 2022-01-19 7\n<\/strong><\/span><\/pre>\n #convert date column to datetime and subtract one week<\/span>\ndf[' date<\/span> '] = pd. to_datetime<\/span> (df[' date<\/span> ']) - pd. to_timedelta<\/span> (7, unit=' d<\/span> ')\n\n#calculate sum of values, grouped by week\n<\/span>df. groupby<\/span> ([pd. Group<\/span> (key=' date<\/span> ', freq=' W<\/span> ')])[' sales<\/span> ']. sum<\/span> ()\n\ndate\n2022-01-02 32\n2022-01-09 44\n2022-01-16 18\nFreq: W-SUN, Name: sales, dtype: int64\n<\/strong><\/pre>\n\n
#convert date column to datetime and subtract one week<\/span>\ndf[' date<\/span> '] = pd. to_datetime<\/span> (df[' date<\/span> ']) - pd. to_timedelta<\/span> (7, unit=' d<\/span> ')\n\n#calculate max of values, grouped by week\n<\/span>df. groupby<\/span> ([pd. Group<\/span> (key=' date<\/span> ', freq=' W<\/span> ')])[' sales<\/span> ']. max<\/span> ()\n\ndate\n2022-01-02 9\n2022-01-09 9\n2022-01-16 7\nFreq: W-SUN, Name: sales, dtype: int64\n<\/strong><\/pre>\n\n
Dodatkowe zasoby<\/strong><\/span><\/h2>\n
Jak grupowa\u0107 wed\u0142ug dnia w Pandas DataFrame<\/a>
Jak korzysta\u0107 z Groupby i liczy\u0107 warunkowo w Pandach<\/a><\/p>\n","protected":false},"excerpt":{"rendered":"