按月计算特定值

Question

我有一些数据要按月计算。我想要计数的列有三个不同的可能值，每个值代表不同的售出汽车。下面是我的dataframe示例：

Date                        Type_Car_Sold
2015-01-01 00:00:00                2
2015-01-01 00:00:00                1
2015-01-01 00:00:00                1
2015-01-01 00:00:00                3
...                               ...

我想要这样做，所以我有一个数据，统计每个月销售的每一种特定类型的汽车，如下所示：

Month       Car_Type_1        Car_Type_2        Car_Type_3         Total_Cars_Sold
1               15                12                17                     44
2                9                18                20                     47
...             ...              ...                ...                    ...

我到底该怎么做？我试过：

cars_sold = car_data['Type_Car_Sold'].groupby(car_data.Date.dt.month).agg('count')

但这只是一个月内所有汽车销量的总和，而不是按每种车型的总销量进行分解。有什么想法吗？

Answer 1

也许不是最干净的解决方案，但这会让你离得很近

import pandas as pd
from datetime import datetime

df = pd.DataFrame({
    "Date": [datetime(2022,1,1), datetime(2022,1,1), datetime(2022,2,1), datetime(2022,2,1)],
    "Type": [1, 2, 1, 1],
})

df['Date'] = df["Date"].dt.to_period('M')
df['Value'] = 1

print(pd.pivot_table(df, values='Value', index=['Date'], columns=['Type'], aggfunc='count'))

Type       1    2
Date             
2022-01  1.0  1.0
2022-02  2.0  NaN

Answer 2

或者，也可以将多个列传递给groupby。

import pandas as pd
from datetime import datetime

df = pd.DataFrame({
    "Date": [datetime(2022,1,1), datetime(2022,1,1), datetime(2022,2,1), datetime(2022,2,1)],
    "Type": [1, 2, 1, 1],
})

df['Date'] = df["Date"].dt.to_period('M')

df.groupby(['Date', 'Type']).size()

Date     Type
2022-01  1       1
         2       1
2022-02  1       2
dtype: int64

这似乎有一个不幸的副作用，即排除零值的键。而且，结果是多索引行，而不是将索引作为rows+columns。

有关此方法的更多信息，请查看this question。