Python 如何根据特定列表计算频率？

我有一个

数据帧

，看起来像这样

                date name
0 2015-06-13 00:21:25    a
1 2015-06-13 01:00:25    b
2 2015-06-13 02:54:48    c
3 2015-06-15 14:38:15    a
4 2015-06-15 15:29:28    b

我想根据特定的日期范围计算日期的出现次数，包括未出现在列中的日期（并忽略

name

列中的任何日期）。例如，我的日期范围可能如下所示：

periods = pd.date_range('2015-06-13', '2015-06-16', freq = 'd')

然后，我想要一个类似以下内容的输出：

date       count    
2015-06-13 3
2015-06-14 0
2015-06-15 2
2015-06-16 0

我找不到任何函数可以让我保留

0

行。

我想您可以先使用from column

date

for，然后使用by

periods

和by

0

。最后通过and将

float

转换为

int

：

---

这与@jezrael的解决方案非常相似，但使用了groupby而不是value_counts：

>>> (pd.DataFrame(df.groupby(df.date.dt.date)['name']
                    .count()
                    .reindex(periods)
                    .fillna(0))
     .rename(columns={'name': 'count'}))
            count
2015-06-13      3
2015-06-14      0
2015-06-15      2
2015-06-16      0

---

注意：在Pandas 0.18.0中，reindex操作将计数类型从整数更改为浮点数，因此，如果使用该版本，则需要将

.astype（int）

添加到末尾。

我尝试了您的解决方案，并且已安装

浮点值
int
。为什么？因为
python2.7.10
？还是因为列中的
NaN
？还是别的什么？你怎么认为？我的解决方案也返回浮点值。有趣。我正在运行pandas 0.17.1和Python 2.7.11.Hmmmm，我使用
pandas
0.18.0
。也许有区别。谢谢。是的，我刚刚在熊猫1.18.0中进行了测试，并在重新编制索引后得到了彩车。
>>> (pd.DataFrame(df.groupby(df.date.dt.date)['name']
                    .count()
                    .reindex(periods)
                    .fillna(0))
     .rename(columns={'name': 'count'}))
            count
2015-06-13      3
2015-06-14      0
2015-06-15      2
2015-06-16      0