pandas: wo ist die Dokumentation für TimeGrouper?

pd.TimeGrouper() war formal veraltet in pandas v0.21.0 zu Gunsten der pd.Zackenbarsch().

Den besten Gebrauch von pd.Grouper() ist innerhalb groupby() wenn Sie auch die Gruppierung, die auf nicht-datetime-Spalten. Wenn Sie nur brauchen, um die Gruppe auf einer Frequenz, verwenden Sie resample().

Zum Beispiel, sagen Sie:

>>> import pandas as pd
>>> import numpy as np
>>> np.random.seed(444)

>>> df = pd.DataFrame({'a': np.random.choice(['x', 'y'], size=50),
                       'b': np.random.rand(50)},
                      index=pd.date_range('2010', periods=50))
>>> df.head()
            a         b
2010-01-01  y  0.959568
2010-01-02  x  0.784837
2010-01-03  y  0.745148
2010-01-04  x  0.965686
2010-01-05  y  0.654552

Du könnte tun:

>>> # `a` is dropped because it is non-numeric
>>> df.groupby(pd.Grouper(freq='M')).sum()
                  b
2010-01-31  18.5123
2010-02-28   7.7670

Aber die oben ist ein wenig unnötig, da Sie nur die Gruppierung auf dem index. Stattdessen können Sie tun:

>>> df.resample('M').sum()
                    b
2010-01-31  16.168086
2010-02-28   9.433712

produzieren das gleiche Ergebnis.

Umgekehrt, hier ist ein Fall, wo Grouper() nützlich wäre:

>>> df.groupby([pd.Grouper(freq='M'), 'a']).sum()
                   b
           a        
2010-01-31 x  8.9452
           y  9.5671
2010-02-28 x  4.2522
           y  3.5148

Für weitere Details, schauen Sie in Kapitel 7 von Ted Petrou s Pandas Kochbuch.

InformationsquelleAutor Brad Solomon