Pandas 大熊猫序列的频率分布

假设我有一个熊猫系列：

>> t.head()

Timestamp
2014-02-01 05:43:26    35.592899
2014-02-01 06:18:32    33.898003
2014-02-01 10:04:04    33.898003
2014-02-01 10:36:30    35.592899
2014-02-01 12:20:32    40.677601

我想要的是一个频率表，里面有我可以设置的存储箱。这听起来很简单，但我最近接触到的是matplotlib

In [8]: fd = plt.hist(t, bins=range(20,50))

In [9]: fd
Out[9]: 
(array([ 0,  0,  1,  0,  0,  3,  0,  3,  1,  0,  8,  0, 11, 20,  0, 18,  0,
       19,  6,  0,  2,  0,  0,  0,  0,  0,  0,  0,  0]),
 array([20, 21, 22, 23, 24, 25, 26, 27, 28, 29, 30, 31, 32, 33, 34, 35, 36,
       37, 38, 39, 40, 41, 42, 43, 44, 45, 46, 47, 48, 49]),
 <a list of 29 Patch objects>)

这些是风速：一旦我从多个不同的气象站获得了类似的数据，我希望能够形成一个数据框架，其中以箱柜为索引，以列为频率分布

值_计数（）

我确实考虑过价值计数，它给了我这样的信息：

33.898003    20
37.287800    19
35.592899    18
32.203102    11
30.508202     8
38.982700     6
27.118401     3
25.423500     3
40.677601     2
28.813301     1
22.033701     1
dtype: int64

---

数据本身显然是A/D转换的：问题是假设下一个气象站有不同的指数，例如33.898006而不是33.898003，然后，我会为这一个设置一个新的“bin”-我想保证每组数据的bin都是相同的。

我真的不明白您在追求什么，但您是否尝试过

pd.value\u counts

？不确定这是否是最好的方法-t.astype（'int'）.value\u counts（）.sort\u index（）.ix[20:50]@user1827356:这非常接近：通过

astype（int）

有效地完成了“binning”。现在肯定可以了！谢谢。

pd.cut

也常用于此（您可以指定您的箱子），请参见此处：

33.898003    20
37.287800    19
35.592899    18
32.203102    11
30.508202     8
38.982700     6
27.118401     3
25.423500     3
40.677601     2
28.813301     1
22.033701     1
dtype: int64