Pandas adalah alat khusus yang memungkinkan kita melakukan manipulasi data yang rumit secara efektif dan efisien. Di dalam panda, kami kebanyakan berurusan dengan kumpulan data dalam bentuk DataFrame. DataFrames adalah struktur data 2 dimensi dalam panda. DataFrames terdiri dari baris, kolom, dan data
Kelompokkan berdasarkan bulan dari bidang tanggal menggunakan Python dan Pandas
Misalkan kita diberi bingkai data dengan kolom yang berisi nilai tipe tanggal dan kolom lain yang berisi beberapa nilai numerik, kita perlu mengelompokkan data dari bingkai data ini sedemikian rupa sehingga data dikelompokkan berdasarkan bulan yang bergantung pada tanggal dari tanggal tersebut.
Untuk tujuan ini, pertama-tama kita akan mengubah kolom tanggal menjadi tipe DateTime dan kemudian kita akan mengelompokkan berdasarkan kolom ini dan menggunakan metode penjumlahan pada objek yang dikelompokkan
Pada artikel ini, kita akan membahas cara mengelompokkan berdasarkan kerangka data berdasarkan tanggal dan waktu di Pandas. Kita akan melihat cara mengelompokkan kerangka data deret waktu menurut Tahun, Bulan, hari, dll. Selain itu, kita juga akan melihat cara mengelompokkan objek berdasarkan waktu seperti menit
Pandas GroupBy memungkinkan kita menentukan instruksi groupby untuk suatu objek. Instruksi yang ditentukan ini akan memilih kolom melalui parameter kunci dari fungsi kerapu bersama dengan parameter level dan/atau sumbu jika diberikan, level indeks objek/kolom target
Sintaksis. panda. Grouper(key=None, level=None, freq=None, axis=0, sort=False)
Di bawah ini adalah beberapa contoh yang menggambarkan cara mengelompokkan berdasarkan kerangka data berdasarkan tanggal dan waktu menggunakan kelas Pandas Grouper
Contoh 1. Kelompokkan berdasarkan bulan
Python3
# importing modules
import pandas as pd
# creating a dataframe df_
df= pd.DataFrame(
{
import0import1import2
import3import4import5import6
import3import4import9import6
import3import4pandas as pd3import6
import3import4pandas as pd7import6
import3import4 1import6
import3import4 5 6
import0 8
import0# creating a dataframe df0import2# creating a dataframe df2# creating a dataframe df3# creating a dataframe df4# creating a dataframe df3# creating a dataframe df6# creating a dataframe df3__________________________________________________________________________________________________________________________________________________________________________G
import0df5import2df7# creating a dataframe df3df9df3=1# creating a dataframe df3____6_______3______________________________________________________________________________________________________________________________________________________________________________G
pd.DataFrame(0
6
pd.DataFrame(3
pd.DataFrame(4
pd.DataFrame(6
________7______7=pd.DataFrame(9 0= 2 3
4 5= 7 8 9{0
Keluaran
Dalam contoh di atas, kerangka data dikelompokkan menurut kolom Tanggal. Seperti yang telah kami berikan freq = 'M' yang berarti bulan, sehingga data dikelompokkan berdasarkan bulan hingga tanggal terakhir setiap bulan dan memberikan jumlah kolom harga. Kami belum memberikan nilai untuk semua bulan, kemudian juga fungsi groupby menampilkan data untuk semua bulan dan memberikan nilai 0 untuk bulan lainnya
Contoh 2. Kelompokkan berdasarkan hari
Python3
# importing modules
import pandas as pd
# creating a dataframe df_
df= pd.DataFrame(
{
import0import1import2
import3import4import5import6
import3import4import9import6
import3import4pandas as pd3import6
import3import4pandas as pd7import6
import3import4 1import6
import3import4 5 6
import0 8
import0# creating a dataframe df0import2# creating a dataframe df2# creating a dataframe df3# creating a dataframe df4# creating a dataframe df3# creating a dataframe df6# creating a dataframe df3__________________________________________________________________________________________________________________________________________________________________________G
import0df5import2df7# creating a dataframe df3df9df3=1# creating a dataframe df3____6_______3______________________________________________________________________________________________________________________________________________________________________________G
pd.DataFrame(0
6
import_64
pd.DataFrame(4
import_67
________7______7=pd.DataFrame(9 0= 2 3
4 5=import78import79=import81 8 9{0
Keluaran
Dalam contoh di atas, kerangka data dikelompokkan menurut kolom Tanggal. Seperti yang telah kami berikan freq = ‘5D’ yang berarti lima hari, maka data dikelompokkan berdasarkan selang waktu 5 hari setiap bulan sampai dengan tanggal terakhir yang diberikan pada kolom tanggal
Contoh 3. Kelompokkan berdasarkan tahun
Python3
import_85
import pandas as pd
import_89
df= pd.DataFrame(
{
import0import1import2
import_3pandas as pd00
import_3pandas as pd02
import3import4pandas as pd05import6
import3import4pandas as pd09import6
import3import4pandas as pd13import6
import3import4pandas as pd17import6
import3import4pandas as pd21import6
import3import4pandas as pd25 6
import0 8
import0# creating a dataframe df0import2# creating a dataframe df2# creating a dataframe df3# creating a dataframe df4# creating a dataframe df3# creating a dataframe df6# creating a dataframe df3__________________________________________________________________________________________________________________________________________________________________________G
import0df5import2df7# creating a dataframe df3df9df3=1# creating a dataframe df3____6_______3______________________________________________________________________________________________________________________________________________________________________________G
pd.DataFrame(0
6
pd.DataFrame(3
pd.DataFrame(4
pandas as pd_65
________7______7=pd.DataFrame(9pandas as pd69=pandas as pd71 8 9{0
Keluaran
Dalam contoh di atas, kerangka data dikelompokkan menurut kolom Tanggal. Seperti yang telah kami berikan freq = '2Y' yang berarti 2 tahun, sehingga data dikelompokkan dalam interval 2 tahun
Contoh 4. Kelompokkan berdasarkan menit
Python3
import_85
import pandas as pd
pandas as pd_79
pandas as pd_80
________2______81= pandas as pd83pandas as pd84pandas as pd85=pandas as pd87pandas as pd69=pandas as pd90 6
pandas as pd_93
pandas as pd_94
df= pandas as pd97import1pandas as pd99# creating a dataframe df0import2# creating a dataframe df2# creating a dataframe df3# creating a dataframe df4# creating a dataframe df3# creating a dataframe df6# creating a dataframe df3# creating a dataframe df8# creating a dataframe df3df0# creating a dataframe df3df2# creating a dataframe df3 14# creating a dataframe df3 16# creating a dataframe df3 18# creating a dataframe df3pandas as pd87 8
22df5import2df7# creating a dataframe df3df9# creating a dataframe df3=1# creating a dataframe df3=3# creating a dataframe df3=5# creating a dataframe df3=7# creating a dataframe df3 37# creating a dataframe df3 39# creating a dataframe df3 41# creating a dataframe df3 43 44