Mantén la atención ya que en este enunciado vas a hallar la respuesta que buscas.
Solución:
prueba esto:
In [6]: df['date'] = pd.to_datetime(df['date'])
In [7]: df
Out[7]:
date Revenue
0 2017-06-02 100
1 2017-05-23 200
2 2017-05-20 300
3 2017-06-22 400
4 2017-06-21 500
In [59]: df.groupby(df['date'].dt.strftime('%B'))['Revenue'].sum().sort_values()
Out[59]:
date
May 500
June 1000
Pruebe un grupo usando un mero de pandas:
df = pd.DataFrame('date':['6/2/2017','5/23/2017','5/20/2017','6/22/2017','6/21/2017'],'Revenue':[100,200,300,400,500])
df.date = pd.to_datetime(df.date)
dg = df.groupby(pd.Grouper(key='date', freq='1M')).sum() # groupby each 1 month
dg.index = dg.index.strftime('%B')
Revenue
May 500
June 1000
Para DataFrame con muchas filas, usando strftime
ocupa más tiempo. Si la columna de fecha ya tiene dtype de datetime64[ns]
(puedo usar pd.to_datetime()
convertir, o especificar parse_dates
durante la importación csv, etc.), se puede acceder directamente a la propiedad de fecha y hora para groupby
etiquetas (Método 3). La aceleración es sustancial.
import numpy as np
import pandas as pd
T = pd.date_range(pd.Timestamp(0), pd.Timestamp.now()).to_frame(index=False)
T = pd.concat([T for i in range(1,10)])
T['revenue'] = pd.Series(np.random.randint(1000, size=T.shape[0]))
T.columns.values[0] = 'date'
print(T.shape) #(159336, 2)
print(T.dtypes) #date: datetime64[ns], revenue: int32
Método 1: strftime
%timeit -n 10 -r 7 T.groupby(T['date'].dt.strftime('%B'))['revenue'].sum()
1,47 s ± 10,1 ms por bucle (media ± desviación estándar de 7 ejecuciones, 10 bucles cada una)
Método 2: mero
%timeit -n 10 -r 7 T.groupby(pd.Grouper(key='date', freq='1M')).sum()
#NOTE Manually map months as integer 01..12 to strings
56,9 ms ± 2,88 ms por bucle (media ± desviación estándar de 7 ejecuciones, 10 bucles cada una)
Método 3: propiedades de fecha y hora
%timeit -n 10 -r 7 T.groupby(T['date'].dt.month)['revenue'].sum()
#NOTE Manually map months as integer 01..12 to strings
34 ms ± 3,34 ms por bucle (media ± desviación estándar de 7 ejecuciones, 10 bucles cada una)
Te mostramos comentarios y puntuaciones
Agradecemos que desees asistir nuestra ocupación exponiendo un comentario y valorándolo te estamos eternamente agradecidos.