我希望這個(gè)問(wèn)題很清楚，但我正在研究 Zillow 房屋銷售數(shù)據(jù)，并且遇到了一個(gè)問(wèn)題，即能夠?qū)⒛承┠攴莸乃性路莺喜⒌叫侣暶鞯摹澳攴荨弊兞?。這基本上應(yīng)該將包含 Jan-YY、Feb-YY、Mar-YY...等的所有數(shù)據(jù)存儲(chǔ)為 YY。我嘗試過(guò) Pandas 內(nèi)置的函數(shù)，例如Stack()和Pivot()，但這些似乎不起作用。如果沒(méi)有可行的方法來(lái)做到這一點(diǎn)，我有什么選擇？提前致謝！示例：采用 Column1 = '1/31/1996'和 Column2 = '2/28/1996' …等。和 Column12 = '12/31/1996'并組合成一個(gè)名為Y1996的新列。這比每月細(xì)分更容易分析。我的代碼： import pandas as pd import numpy as np import statsmodels.api as sm import matplotlib.pyplot as plt %matplotlib inline zil = pd.read_csv('zillow.csv') df_zil = pd.DataFrame(df_zil) df_zil.head(4) #My attempt at merging into one y1996 = (df_zil['1/31/1996'] + df_zil['3/31/1996'] + df_zil['4/30/1996'] + df_zil['5/31/1996'] + df_zil['6/30/1996'] + df_zil['7/31/1996'] + df_zil['8/31/1996'] + df_zil['9/30/1996'] + df_zil['10/31/1996'] + df_zil['11/30/1996'] + df_zil['12/31/1996'])如何通過(guò) Excel 格式化數(shù)據(jù)的屏幕截圖 - 從第一列開始參考 Zillow 數(shù)據(jù)： https: //www.zillow.com/research/data/
1 回答
冉冉說(shuō)
TA貢獻(xiàn)1877條經(jīng)驗(yàn) 獲得超1個(gè)贊
我認(rèn)為你需要與支點(diǎn)相反的東西——融化。您的數(shù)據(jù)采用“寬”格式，如果將數(shù)據(jù)轉(zhuǎn)換為“高”格式，則可以更輕松地進(jìn)行此匯總。獲得高格式的數(shù)據(jù)后，您可以使用 groupby 來(lái)匯總同一年內(nèi)的值。
我下載了房屋庫(kù)存和銷售數(shù)據(jù)集，并編寫了一個(gè)簡(jiǎn)短的程序來(lái)匯總同一年的所有值。
代碼：
import pandas as pd
df = pd.read_csv("Metro_invt_fs_uc_sfrcondo_smoothed_month.csv")
# Take all of the columns after the index and convert them into additional rows
df = df.melt(id_vars=["RegionID", "SizeRank", "RegionName", "RegionType", "StateName"], var_name="Date")
# Drop date, but keep year
df["Year"] = pd.to_datetime(df["Date"]).dt.year
df = df.drop("Date", axis="columns")
# Aggregate each year
df = df.groupby(["RegionID", "SizeRank", "RegionName", "RegionType", "StateName", "Year"], as_index=False).sum()
print(df)
輸出：
RegionID SizeRank RegionName RegionType StateName Year value
0 394304 74 Akron, OH Msa OH 2017 3576.0
1 394304 74 Akron, OH Msa OH 2018 42625.0
2 394304 74 Akron, OH Msa OH 2019 39078.0
3 394304 74 Akron, OH Msa OH 2020 21532.0
4 394308 60 Albany, NY Msa NY 2017 2969.0
.. ... ... ... ... ... ... ...
475 753906 75 North Port-Sarasota-Bradenton, FL Msa FL 2020 73953.0
476 753924 54 Urban Honolulu, HI Msa HI 2017 3735.0
477 753924 54 Urban Honolulu, HI Msa HI 2018 50079.0
478 753924 54 Urban Honolulu, HI Msa HI 2019 57413.0
479 753924 54 Urban Honolulu, HI Msa HI 2020 35522.0
[480 rows x 7 columns]
添加回答
舉報(bào)
0/150
提交
取消