Python 按周分组的时间分布

我想找到timeseries数据按周分组的时间分布。例如，timeseries是：

2019-04-01 02:00:00    0.6
2019-04-02 10:45:00    2.0
2019-04-03 02:00:00    3.0
2019-04-10 00:00:00    0.6
2019-04-11 10:45:00    2.0
2019-04-13 10:45:00    6.0
2019-04-17 11:45:00    2.5
2019-04-18 11:45:00    3.0
2019-04-19 11:45:00    6.0
dtype: float64

我想知道的是，在第14周（2019-04-01的

周），在
02:00:00
有两条记录，在
10:45:00
有一条记录，其他时间没有记录。在第15周，在
00:00:00
有一条记录，在
10:45:00
有两条记录，其他时间没有记录

这是目前我的解决方案，用于查找以15分钟为增量的分布：

import panda as pd
import numpy as np
import datetime as dt

def dist(series, bins):
    h = np.histogram(series, bins)
    return dict(zip(h[1][:-1], h[0]))

# creating bins, i.e. 15min increments throughout the day
times = pd.Series(index = pd.date_range(start='2019-01-01', end='2019-01-02', freq='15min'))
times = set(times.index.time)
times = list(times)
times.sort()
dummy = (dt.datetime.combine(dt.date.today(), max(times))+dt.timedelta(seconds = 10)).time()
times = times + [dummy]

# finding distribution each week
df = pd.DataFrame({'week': list(timeseries.index.week), 'time': list(timeseries.index.time)})
df = df.groupby(by=['week'])['time'].apply(lambda x: dist(x, times))
df.index.names = ['week', 'time']
df.name = 'counts'
df = df.reset_index().pivot(index='time', columns='week', values='counts')

有更好的方法吗？
像这样简单的事情怎么样

#我从一个系列开始
s、 总目（2）
#时间
# 2019-04-01 02:00:00    0.6
# 2019-04-02 10:45:00    2.0
#名称：value，数据类型：float64
#将序列重新采样到预期的bin，例如15分钟
#用未定义的值填充
s=s.重新采样（'15分钟'）。asfreq（）
s、 总目（3）
#时间
# 2019-04-01 02:00:00    0.6
#2019-04-01 02:15:00南
#2019-04-01 02:30:00南
#频率：15T，名称：value，数据类型：float64
#执行摘要以获取按周/时间定义的次数
#按15分钟取样（不计算NaN）
结果=s.groupby（[s.index.week，s.index.time]）.count（）
结果.总目()
#时间
# 14    00:00:00    0
#       00:15:00    0
#       00:30:00    0
#       00:45:00    0
#       01:00:00    0
#名称：value，数据类型：int64
#仅获取具有值的小时数
结果[结果！=0]
#时间
# 14    02:00:00    2
#       10:45:00    1
# 15    00:00:00    1
#       10:45:00    2
# 16    11:45:00    3
#名称：value，数据类型：int64

我想它能给你想要的答案

想知道在第14周（
2019-04-01
）有两条记录在
02:00:00
，一条记录在
10:45:00
，其他时间没有记录。在第15周，在
00:00:00
有一条记录，在
10:45:00
有两条记录，其他时间没有记录

笔记
这是如何生成示例
DataFrame

将熊猫作为pd导入
输入io
zz=”“”
时间、价值
2019-04-01 02:00:00, 0.6
2019-04-02 10:45:00, 2.0
2019-04-03 02:00:00, 3.0
2019-04-10 00:00:00, 0.6
2019-04-11 10:45:00, 2.0
2019-04-13 10:45:00, 6.0
2019-04-17 11:45:00, 2.5
2019-04-18 11:45:00, 3.0
2019-04-19 11:45:00, 6.0"""
df=pd.read_表（io.StringIO（zz），sep='，'）
df=df.set_索引（pd.DatetimeIndex（df['time']））
df=df.drop（'时间'，轴=1）
s=df.iloc[：，0]
像这样简单的事情怎么样

#我从一个系列开始
s、 总目（2）
#时间
# 2019-04-01 02:00:00    0.6
# 2019-04-02 10:45:00    2.0
#名称：value，数据类型：float64
#将序列重新采样到预期的bin，例如15分钟
#用未定义的值填充
s=s.重新采样（'15分钟'）。asfreq（）
s、 总目（3）
#时间
# 2019-04-01 02:00:00    0.6
#2019-04-01 02:15:00南
#2019-04-01 02:30:00南
#频率：15T，名称：value，数据类型：float64
#执行摘要以获取按周/时间定义的次数
#按15分钟取样（不计算NaN）
结果=s.groupby（[s.index.week，s.index.time]）.count（）
结果.总目()
#时间
# 14    00:00:00    0
#       00:15:00    0
#       00:30:00    0
#       00:45:00    0
#       01:00:00    0
#名称：value，数据类型：int64
#仅获取具有值的小时数
结果[结果！=0]
#时间
# 14    02:00:00    2
#       10:45:00    1
# 15    00:00:00    1
#       10:45:00    2
# 16    11:45:00    3
#名称：value，数据类型：int64

我想它能给你想要的答案

想知道在第14周（
2019-04-01
）有两条记录在
02:00:00
，一条记录在
10:45:00
，其他时间没有记录。在第15周，在
00:00:00
有一条记录，在
10:45:00
有两条记录，其他时间没有记录

笔记
这是如何生成示例
DataFrame

将熊猫作为pd导入
输入io
zz=”“”
时间、价值
2019-04-01 02:00:00, 0.6
2019-04-02 10:45:00, 2.0
2019-04-03 02:00:00, 3.0
2019-04-10 00:00:00, 0.6
2019-04-11 10:45:00, 2.0
2019-04-13 10:45:00, 6.0
2019-04-17 11:45:00, 2.5
2019-04-18 11:45:00, 3.0
2019-04-19 11:45:00, 6.0"""
df=pd.read_表（io.StringIO（zz），sep='，'）
df=df.set_索引（pd.DatetimeIndex（df['time']））
df=df.drop（'时间'，轴=1）
s=df.iloc[：，0]
谢谢，这很有帮助！如果我们想在一天中的其他时间使用零呢？也就是说，分发的显式垃圾箱？@好奇的是，我修改了我的答案，以集成重采样。希望它能符合您的期望。谢谢，这很有帮助！如果我们想在一天中的其他时间使用零呢？也就是说，分发的显式垃圾箱？@好奇的是，我修改了我的答案，以集成重采样。希望它能符合你的期望。