{"id":3752,"date":"2023-07-15T18:16:37","date_gmt":"2023-07-15T18:16:37","guid":{"rendered":"https:\/\/statorials.org\/pl\/grupa-pand-dziennie\/"},"modified":"2023-07-15T18:16:37","modified_gmt":"2023-07-15T18:16:37","slug":"grupa-pand-dziennie","status":"publish","type":"post","link":"https:\/\/statorials.org\/pl\/grupa-pand-dziennie\/","title":{"rendered":"Jak grupowa\u0107 wed\u0142ug dnia w pandas dataframe (z przyk\u0142adem)"},"content":{"rendered":"

<\/p>\n

\n

Aby grupowa\u0107 wiersze wed\u0142ug dnia w ramce DataFrame pandy, mo\u017cesz u\u017cy\u0107 nast\u0119puj\u0105cej podstawowej sk\u0142adni:<\/span><\/p>\n

 df. groupby<\/span> (df. your_date_column<\/span> . dt<\/span> . day<\/span> )[' values_column<\/span> ']. sum<\/span> ()\n<\/strong><\/pre>\n
 Ta konkretna formu\u0142a grupuje wiersze wed\u0142ug daty w kolumnie twoja_data<\/strong> i oblicza sum\u0119 warto\u015bci dla kolumny warto\u015bci<\/strong> w ramce DataFrame.<\/span><\/p>\n
 Zauwa\u017c, \u017ce funkcja dt.day()<\/strong> wyodr\u0119bnia dzie\u0144 z kolumny daty w pandach.<\/span><\/p>\n
 Poni\u017cszy przyk\u0142ad pokazuje, jak zastosowa\u0107 t\u0119 sk\u0142adni\u0119 w praktyce.<\/span><\/p>\n
 Przyk\u0142ad: Jak grupowa\u0107 wed\u0142ug dnia w pandach<\/strong><\/span><\/h2>\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
 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
 Powi\u0105zane:<\/strong> Jak utworzy\u0107 zakres dat w Pandach<\/a><\/span><\/p>\n
 Do obliczenia sumy sprzeda\u017cy pogrupowanej wed\u0142ug dni mo\u017cemy zastosowa\u0107 nast\u0119puj\u0105c\u0105 sk\u0142adni\u0119:<\/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
 Oto jak zinterpretowa\u0107 wynik:<\/span><\/p>\n