首先，创建有一个 3 列 100 行的 DataFrame。date 列包含 100 个连续日期，class 列包含 4 个以对象数据类型存储的不同值，amount 列包含 10 到 100 之间的随机整数。

import numpy as np
import pandas as pd
df = pd.DataFrame({
 
  "date": pd.date_range(start="2021-11-20", periods=100, freq="D"),
  "class": ["A","B","C","D"] * 25,
  "amount": np.random.randint(10, 100, size=100)})

df.head()

1. to_period函数

在 Pandas 中，使用to_period函数可以将日期转换为特定的时间间隔。使用该方法可以获取具有许多不同间隔或周期的日期，例如日、周、月、季度等。

例如，针对于时间类型的列，month方法只返回在许多情况下没有用处的月份的数值，无法区分2020年12月和2021年12月。但是通过使用to_period函数的参数”M“实现时间序列。代码如下：

# 为年月和季度创建新列
df['month']=df['date'].dt.to_period("M")
df['quarter'] = df['date'].dt.to_period('Q')
df.head()

还可以查看DataFrame中不同的年月和季度值。

2. cumsum和groupby

cumsum是一个非常有用的Pandas函数。它计算列中值的累积和。代码如下：

df['cumulative_sum']=df['amount'].cumsum()
df.head()

这样就获得了amount列的列值的累积总和。但是它只是全部的总和没有考虑分类。在某些情况下，可能需要分别计算不同类别的累积和。

Pandas中只需要按类列对行进行分组，然后应用cumsum函数。代码如下：

类的累积总和列包含为每个类单独计算的累积值总和。

3. category数据类型

有时候，可能需要处理具有有限且固定数量的值的分类数据。例如在DataFrame中，”class“列具有4个不同值的分类变量：A、B、C、D。默认情况下，该列的数据类型为object。

另外，Pandas还有一个“category”数据类型，它比object数据类型消耗更少的内存。因此最好尽可能使用category数据类型。

可以比较class列和class_category列的内存消耗：

可以发现，class_category列消耗的内存不到class列的一半。相差496字节。虽然并不多，但是当使用大型数据集时，这样差异就会被放大，使用category数据类型就可以节省大量的空间。