时间序列的数据透视表和period_index

如何解决时间序列的数据透视表和period_index

我有一个数据集，希望将其作为时间序列数据进行可视化处理。

import pandas as pd
import numpy as np

df = pd.read_excel('mypath.xlsx',usecols=['Account','Jan','Feb','Mar'])

df

Account Jan Feb Mar
0   300 NaN NaN NaN
1   310 -33 -33 -33
2   320  10   5   7

现在，我想透视此数据框，以将“帐户”列作为第一行，理想情况下将“月”（1月，2月，3月）作为索引并转换为period_index，因此我可以计算时间增量等。 / p>

所以我这样做：

df = df.pivot_table(df,columns = ['Account'],fill_value = 0)

Account 300 310 320 
Feb       0 -33   5
Jan       0 -33  10
Mar       0 -33   7

在该示例中，如何使1月，2月，3月成为period_index，并像实际索引一样工作？

############################

获得period_index的解决方案如下：

idx = pd.to_datetime('2018-' + df.index)
print(idx)

[OUT]
DatetimeIndex(['2018-02-01','2018-01-01','2018-03-01'],dtype='datetime64[ns]',freq=None)

现在转换为period_index格式

df.index = idx.to_period(freq='M')
print(df.index)

[OUT]
PeriodIndex(['2018-02','2018-01','2018-03'],dtype='period[M]',freq='M')

最终看起来像这样：

Account 300 310 320 
2018-02   0 -33   5
2018-01   0 -33  10
2018-03   0 -33   7

解决方法

您只需将索引修改为-

df.index = pd.to_datetime('2018-' + df.index)

因此，如果您的行索引按照问题中所示的顺序混乱，那么您也可以将其转换为大熊猫日期时间。

,

使用pandas.date_range + Index.map

df.index = (
    df.index.map({v.strftime("%b") : v for v in pd.date_range("2018-01","2018-03",freq="MS")})
)

df.index
Out[617]: DatetimeIndex(['2018-02-01','2018-01-01','2018-03-01'],dtype='datetime64[ns]',freq=None)