Extraction et regroupement d'ensembles de colonnes dans un ensemble de données Pandas

Question

J'ai une structure DataFrame dérivée d'un fichier CSV sur des statistiques de population sur un certain nombre d'années. À savoir, les colonnes du fichier sont des intervalles de temps mensuels (1999-01, 1999-02 ... 2016-12) et les rangées sont des centres de population différents dans le monde (par exemple Londres, Toronto, Boston, etc.):

df = pd.DataFrame({'1999-01' : [100, 5000, 8000], '1999-02' : [200, 6000, 9000], '1999-03' : [300, 7000, 10000], ..., cities : ['CityA', 'CityB', 'CityC' ...]}) 

Je voudrais séparer ces colonnes sur une base trimestrielle. Donc, je prendrais la moyenne des populations 1999-01, 1999-1902, 1999-9 pour chaque ligne, et de créer une nouvelle colonne « 1999T1 » pour cette entrée, le faire avec tous les 3 mois:

df_quarter = pd.DataFrame({'1999Q1' : [200, 6000, 9000], '1999Q2' : ..., cities = ['CityA', 'CityB', 'CityC' ...]}) 

#Q1 corresponds to months 01-03, Q2 to months 04-06, Q3 to months 07-09, Q4 months 10-12, all inclusive 

Cependant , J'ai du mal à conceptualiser la requête pour y parvenir. J'ai un demi-esprit pour utiliser .groupby() et ensuite .agg(), mais je ne suis pas sûr de la façon dont je pourrais spécifier efficacement un groupement à 3 colonnes et parcourir les colonnes. Quelqu'un pourrait-il me diriger dans la bonne direction?

EDIT: Supposons que les colonnes ne soient pas des dates, mais plutôt quelque chose de plus abstrait, et qu'un simple rééchantillonnage des périodes ne puisse pas être utilisé. Par exemple:

#Prices of different foods from different vendors 
df = pd.DataFrame({'oranges' : [2, 3, 7], 'apples' : [6, 3, 9], 'cheese' : [13, 9, 11], 'milk' : [6, 5, 12], 'vendors' : ['VendorA', 'VendorB', 'VendorC']}) 

Maintenant, si je voulais créer deux colonnes, combinant les fruits et les produits laitiers, est-il un moyen que je pourrais spécifier les indices à agréger sur?

Answer 1

Vous pouvez convertir des colonnes to_datetime puis à month period avec to_period d'abord, puis resample par des colonnes (axis=1) et quarter (q) avec un agrégat mean:

df = pd.DataFrame({'1999-01':[4,5,4,5,5,4], 
        '1999-02':[7,8,9,4,2,3], 
        '1999-03':[1,3,5,7,1,0], 
        '1999-04':[1,3,5,7,1,0], 
        '1999-05':[5,3,6,9,2,4]}, index=list('abcdef')) 

print (df) 
    1999-01 1999-02 1999-03 1999-04 1999-05 
a  4  7  1  1  5 
b  5  8  3  3  3 
c  4  9  5  5  6 
d  5  4  7  7  9 
e  5  2  1  1  2 
f  4  3  0  0  4 

df.columns = pd.to_datetime(df.columns).to_period('m') 
df = df.resample('q', axis=1).mean() 

print (df) 
    1999Q1 1999Q2 
a 4.000000  3.0 
b 5.333333  3.0 
c 6.000000  5.5 
d 5.333333  8.0 
e 2.666667  1.5 
f 2.333333  2.0