Necesitamos tu apoyo para extender nuestros enunciados acerca de las ciencias informáticas.
Solución:
Lo haría usando calendar y pd.CategoricalDtype para garantizar que la clasificación funcione correctamente.
import pandas as pd
import numpy as np
import calendar
#Create dummy dataframe
dateindx = pd.date_range('2019-01-01', '2019-12-31', freq='D')
df = pd.DataFrame(np.random.randint(0,1000, (len(dateindx), 5)),
index=pd.MultiIndex.from_arrays([dateindx.month, dateindx.day]),
columns=['High', 'Low','Open', 'Close','Volume'])
#Use calendar library for abbreviations and order
dd=dict((enumerate(calendar.month_abbr)))
#rename level zero of multiindex
df = df.rename(index=dd,level=0)
#Create calendar month data type with order for sorting
cal_dtype = pd.CategoricalDtype(list(calendar.month_abbr), ordered=True)
#Change the dtype of the level zero index
df.index = df1.index.set_levels(df.index.levels[0].astype(cal_dtype), level=0)
df
Producción:
High Low Open Close Volume
Jan 1 501 720 671 943 586
2 410 67 207 945 284
3 473 481 527 415 852
4 157 809 484 592 894
5 294 38 458 62 945
... ... ... ... ... ...
Dec 27 305 354 347 0 726
28 764 987 564 260 72
29 730 151 846 137 118
30 999 399 634 674 81
31 347 980 441 600 676
[365 rows x 5 columns]
Por ejemplo, si pudiéramos tener este DataFrame, podríamos usar datetime paquete dentro de este datetime format table como este ejemplo:
import pandas as pd
from datetime import datetime
df = pd.DataFrame(range(1, 13), columns=['month'])
df['month'] = df.apply(
lambda row: ':%b'.format(datetime.strptime(str(row['month']), '%m')),
axis=1
)
print(df)
Producción:
0 Jan
1 Feb
2 Mar
3 Apr
4 May
5 Jun
6 Jul
7 Aug
8 Sep
9 Oct
10 Nov
11 Dec
Actualizar: Como sugirió @Ch3steR. estas usando un MultiIndex Marco de datos. Entonces, aquí hay un ejemplo de cómo puede modificar su índice de primer nivel:
import pandas as pd
import numpy as np
from datetime import datetime
tuples = [(1, 10), (1, 12), (1, 13), (2, 1), (2, 20), (2, 10)]
index = pd.MultiIndex.from_tuples(tuples, names=['month', 'day'])
serie = pd.Series(np.random.randn(len(tuples)), index=index)
df = pd.DataFrame(serie, columns=['data'])
print(df)
data
month day
1 10 -0.463804
12 1.979072
13 0.087430
2 1 0.928077
20 -0.697795
10 -0.275762
idx = pd.Index(df.index).get_level_values(0)
# Set new index, but keep the multindex levels
df = df.set_index(pd.MultiIndex.from_tuples(((
':%b'.format(datetime.strptime(str(k), '%m')),
v
) for k, v in idx), names=['month', 'day']), ['month', 'day'])
print(df)
data
month day
Jan 10 -0.463804
12 1.979072
13 0.087430
Feb 1 0.928077
20 -0.697795
10 -0.275762
Actualización2:
Veo que tiene dificultades para implementar mi respuesta en su código. Es por eso que hice esta actualización para mostrarle cómo puede implementar mi código dentro del código recortado que agregó a su pregunta. Esto es un ejemplo:
from datetime import datetime
import pandas as pd
start = '1/4/2020'
end = '3/5/2020'
data = pd.DataFrame()
full_dates = pd.date_range(start, end)
data = data.reindex(full_dates)
data['year'] = data.index.year
data['month'] = data.index.month
data['week'] = data.index.week
data['day'] = data.index.day
data.set_index('month', append=True, inplace=True)
data.set_index('week', append=True, inplace=True)
data.set_index('day', append=True, inplace=True)
df = data.groupby(['month', 'day']).mean()
idx = pd.Index(df.index).get_level_values(0)
df = df.set_index(pd.MultiIndex.from_tuples(((
':%b'.format(datetime.strptime(str(k), '%m')),
v
) for k, v in idx), names=['month', 'day']), ['month', 'day'])
print(df)
Producción:
year
month day
Jan 4 2020
5 2020
6 2020
7 2020
8 2020
... ...
Mar 1 2020
2 2020
3 2020
4 2020
5 2020
[62 rows x 1 columns]
Convertir números de mes en nombres es fácil con dt.month_name en pandas.Serieses decir.:
pd.to_datetime(np.arange(12)+1, format='%m').to_series().dt.month_name().str[:3].values
Producción:
array(['Jan', 'Feb', 'Mar', 'Apr', 'May', 'Jun', 'Jul', 'Aug', 'Sep',
'Oct', 'Nov', 'Dec'], dtype=object)
Es un poco más complicado si quieres usarlo para actualizar tu índice, porque pd.MultiIndex es un tipo inmutable. Sin embargo, debería ser posible agregar nuevas columnas con nombres de meses y días en su marco de datos, y luego reemplazar el índice anterior con el nuevo, es decir. dado que ‘mes’ y ‘día’ son los niveles de índice 0 y 1 en su marco de datos:
df['month'] = pd.to_datetime(df.index.levels[0], formatt='%m').to_series().dt.month_name().str[:3]
df['day'] = df.index.levels[1]
df.set_index(['month', 'day'], inplace=True)
valoraciones y reseñas
Si tienes alguna desconfianza y forma de beneficiar nuestro sección te inspiramos dejar una interpretación y con placer lo leeremos.