Python 按小时间隔计算平均人数，熊猫/努比

我有一个名为“Work.csv”的csv文件。一个人在10月份登记上班的时间（有很多条目）

我想找出每小时登记上班的平均人数。从上午12点到凌晨1点、凌晨1点到凌晨2点登记的平均人数。。。等等

我使用dt.hour尝试了自己的代码，只获得了特定时间内总人数的频率计数

我似乎无法得出平均数

我期望的输出是：

Hour        Average Number of People
0                    40
1                    50
2                    65
3                    30
4                    30

---

请帮忙

首先，您需要计算所有注册并将其存储在df中，然后使用mean（）函数每隔1小时计算一次，这样就可以了。大概是这样的：

  df_registered['count'] = df_input['month'].resample("1h").count()
  df_registered['avg'] = df_registered['count'].resample("1h").mean()

---

为了重新采样，您首先需要选择一个索引。

首先，您应该将时间列转换为日期时间。然后按时间和日期分组，找出每个时间每个日期有多少人工作。最后，再次按小时分组，得出平均值：

df.groupby([pd.to_datetime(df.TIME).dt.hour, df.DATE]).size()\ # raw counts
  .groupby('TIME').mean() # mean counts
#TIME
#10    1
#11    1
#16    1
#22    1

感谢@Wen（他总是乐于助人），这是一个更紧凑（可能效率更低）的选择：

---

使用您提供的示例输入无法获得预期的输出，但是

df.groupby（df.TIME.dt.hour）.count（）

对于您来说可能是一个好的开始

df.groupby（[pd.to_datetime（df.TIME）.dt.hour，df.DATE]）.size（）.mean（level='TIME'）

@Wen令人惊讶的是，原始代码的速度要快一些（15%）。

df.groupby([pd.to_datetime(df.TIME).dt.hour, df.DATE]).size()\ # raw counts
  .groupby('TIME').mean() # mean counts
#TIME
#10    1
#11    1
#16    1
#22    1

df.groupby([pd.to_datetime(df.TIME).dt.hour, df.DATE]).size()\
  .mean(level='TIME')