python - 按索引列过滤分组数据集

Question

我正在尝试完成 Pandas 练习，这让我发疯。

我有一个数据集，其中包含每天每小时经过城市某个区域的骑自行车者的数量，所以是这样的：

年	月	天	小时	1区	2区	3区
2014	1	1	0:00	2	0	5
2014	1	1	1:00	3	1	2
2014	1	1	2:00	4	1	1

等等。还有更多的行和列。“区域”列包含当时该区域记录了多少骑自行车的人。

该练习要求按年、月和日对该数据框进行分组，然后对分组的数据框求和。我这样做：

grouped = data.groupby(["Year", "Month", "Day"]).sum()

其中“数据”是原始的未分组数据框。结果数据框在索引列中有元组，正如练习文本所说的那样。打印 grouped.head() 会返回：

（我删除了“小时”列，因为练习是这样说的。）我通过打印 grouped.index 验证了索引列确实包含元组，它看起来像这样：[(2014,1,1), (2014,1, 2), ...]

这一切都很好，但随后练习要求过滤此数据框，以便仅显示 2017 年 8 月的记录。我知道我可以这样做

grouped.filter(some-function-here)

但问题是，我很难理解如何根据索引列进行过滤（它没有名称，不能像其他人那样引用，例如分组[“Auroransilta”]） ，尤其是因为我不确定我是否正确地进行了元组比较。例如，我尝试过这种方式

grouped.filter(lambda x: x > (2014, 1, 1) for x in grouped.index)

我得到了这个：

该方法的变体都会导致空数据框。以为我只是对元组做错了，我试图按其他列进行过滤：

grouped.filter(lambda x: x["Baana"] > 300 for x in grouped)

这也导致了完全相同的空数据框。（“Baana”列不在屏幕截图中，但在数据框中，是的，有些行的计数大于 300）。如果我省略了 for 循环，我会收到一个 TypeError 说我没有传递一个可迭代对象，所以我猜它需要在那里，即使我不完全理解为什么（我认为过滤器只会应用我传递的函数到分组中的每个组。）

我不知道如何解决这个问题，因为我不明白我做错了什么。

标签： pythonpandasdataframe

Answer 1

使用partial string indexing, 与DatetimeIndex:

df['datetime'] = pd.to_datetime(df[["Year", "Month", "Day"]])
df = df.drop(["Year", "Month", "Day","Hour"], axis=1)
print (df)
   Zone 1  Zone 2  Zone 3   datetime
0       2       0       5 2014-01-01
1       3       1       2 2014-01-01
2       4       1       1 2014-01-01

df = df.groupby(["datetime"]).sum()
print (df)
            Zone 1  Zone 2  Zone 3
datetime                          
2014-01-01       9       2       8


df = df['2014-08']
print (df)
Empty DataFrame
Columns: [Zone 1, Zone 2, Zone 3]
Index: []

用于过滤boolean indexing：

df = df[df["Banana"] > 300]