按定制年份(如学年)分组的 pandas

问题描述

在 pandas 数据框中，我希望找到按"自定义"年份分组的列的平均值。

例如，计算一个学年的平均分数(例如9月/YYYY至8月/YYYY+1)。 pandas 文档给出了一些关于补偿和业务年份等的信息，但我真的不能从这些信息中获得一个有效的例子。{##**$$}

这里是一个最小的示例，其中学校分数的平均值是每年(1-12月)计算的，这是我不想要的。

import pandas as pd
import numpy as np


df = pd.DataFrame(data=np.random.randint(low=1, high=5, size=36),
            index=pd.date_range('2001-09-01', freq='M', periods=36),
            columns=['marks'])

df_yearly = df.groupby(pd.Grouper(freq="A")).mean()

这可能会产生，例如：

print(df):
            marks
2001-09-30      1
2001-10-31      4
2001-11-30      2
2001-12-31      1
2002-01-31      4
2002-02-28      1
2002-03-31      2
2002-04-30      1
2002-05-31      3
2002-06-30      3
2002-07-31      3
2002-08-31      3
2002-09-30      4
2002-10-31      1
...
2003-11-30      4
2003-12-31      2
2004-01-31      1
2004-02-29      2
2004-03-31      1
2004-04-30      3
2004-05-31      4
2004-06-30      2
2004-07-31      2
2004-08-31      4

print(df_yearly):

          marks
2001-12-31  2.000000
2002-12-31  2.583333
2003-12-31  2.666667
2004-12-31  2.375000

我想要的输出将与以下内容相对应：

2001-09/2002-08 mean_value
2002-09/2003-08 mean_value
2003-09/2004-08 mean_value

非常感谢！

---

解决方案

我们可以手动计算学年：

# if month>=9 we move it to the next year
school_years = df.index.year + (df.index.month>8).astype(int)

另一个选项是使用从9月份开始的会计年度：

school_years = df.index.to_period('Q-AUG').qyear

我们可以按以下方式分组：

df.groupby(school_years).mean()

输出：

         marks
2002  2.333333
2003  2.500000
2004  2.500000