Блог

Приведены следующие примерные данные:

 import pandas as pd import numpy as np np.random.seed(2021) dates = pd.date_range('20130226', periods=90) df = pd.DataFrame(np.random.uniform(0, 10, size=(90, 4)), index=dates,   columns=['A_values', 'B_values', 'C_values', 'target']) df  

Из:

 A_values B_values C_values target 2013-02-26 6.059783 7.333694 1.389472 3.126731 2013-02-27 9.972433 1.281624 1.789931 7.529254 2013-02-28 6.621605 7.843101 0.968944 0.585713 2013-03-01 9.623960 6.165574 0.866300 5.612724 2013-03-02 6.165247 9.638430 5.743043 3.711608  ... ... ... ... 2013-05-22 0.589729 6.479978 3.531450 6.872059 2013-05-23 6.279065 3.837670 8.853146 8.209883 2013-05-24 5.533017 5.241127 1.388056 5.355926 2013-05-25 1.596038 4.665995 2.406251 1.971875 2013-05-26 3.269001 1.787529 6.659690 7.545569  

С помощью кода ниже мы видим, что индекс последней строки находится за пределами диапазона индекса начальной даты (максимальная дата 2013-05-26 ).:

 df.groupby(pd.Grouper(freq='M')).last() Out[177]:   A_values B_values C_values target 2013-02-28 6.621605 7.843101 0.968944 0.585713 2013-03-31 5.906967 8.545341 6.326550 8.684117 2013-04-30 5.358775 1.473809 5.231534 0.604810 2013-05-31 3.269001 1.787529 6.659690 7.545569  

и:

 df.groupby(df.index.to_period('M')).apply(lambda x: x.index.max()) Out[178]:  2013-02 2013-02-28 2013-03 2013-03-31 2013-04 2013-04-30 2013-05 2013-05-26 Freq: M, dtype: datetime64[ns]  

Но я надеюсь получить ожидаемый результат следующим образом, как я мог бы это сделать? Спасибо.

 A_values B_values C_values target 2013-02-28 6.621605 7.843101 0.968944 0.585713 2013-03-31 5.906967 8.545341 6.326550 8.684117 2013-04-30 5.358775 1.473809 5.231534 0.604810 2013-05-26 3.269001 1.787529 6.659690 7.545569 # date should be `2013-05-26` based on the original data  

Идея состоит в том, чтобы создать вспомогательный столбец из DatetimeIndex и после last преобразования столбца в index :

 df = (df.assign(new=df.index)  .groupby(pd.Grouper(freq='M'))  .last()  .set_index('new')  .rename_axis(None)) print (df)  A_values B_values C_values target 2013-02-28 6.621605 7.843101 0.968944 0.585713 2013-03-31 5.906967 8.545341 6.326550 8.684117 2013-04-30 5.358775 1.473809 5.231534 0.604810 2013-05-26 3.269001 1.787529 6.659690 7.545569