Python 如何使用groupby-pandas按时间频率计数

我试图使用我的

df

中的两列来计算每月发生2次事件的频率。到目前为止，我所做的是按唯一时间计算所有事件，这不够有效，因为结果太多了。我希望创建一个带有结果的图表

我已尝试通过以下问题的答案调整代码：

• [
• [
• [

但是当我在

groupby

命令中输入

freq='day'

时，似乎无法使命令工作

我的代码是：

print(df.groupby(['Priority', 'Create Time']).Priority.count())

最初产生了大约170000个结果，其结构如下：

Priority  Create Time        
1.0       2011-01-01 00:00:00    1
          2011-01-01 00:01:11    1
          2011-01-01 00:02:10    1
                  ...

2.0       2011-01-01 00:01:25    1
          2011-01-01 00:01:35    1
                  ...

但现在由于某种原因（我使用的是Jupyter笔记本），它只会产生：

Priority  Create Time        
1.0       2011-01-01 00:00:00    1
          2011-01-01 00:01:11    1
          2011-01-01 00:02:10    1
2.0       2011-01-01 00:01:25    1
          2011-01-01 00:01:35    1
Name: Priority, dtype: int64

不知道为什么输出更改为只有5个结果（可能是我在不知不觉中更改了某些内容）

我希望结果采用以下格式：

Priority  month     Count     
1.0       2011-01     a
          2011-02     b
          2011-03     c
                ...

2.0       2011-01     x
          2011-02     y
          2011-03     z
                ...

---

显示如何正确更改其他值的频率的要点，例如

小时/天/月/年

。有了这些答案，请您解释一下您的代码中发生了什么，因为我是新的和正在学习的熊猫，希望了解这个过程。谢谢。

一个可能的解决方案是将datetime列转换为mont房协期间截止日期：

或使用：

样本：

np.random.seed(123)

df = pd.DataFrame({'Create Time':pd.date_range('2019-01-01', freq='10D', periods=10),
                   'Priority':np.random.choice([0,1], size=10)})

print (df)
  Create Time  Priority
0  2019-01-01         0
1  2019-01-11         1
2  2019-01-21         0
3  2019-01-31         0
4  2019-02-10         0
5  2019-02-20         0
6  2019-03-02         0
7  2019-03-12         1
8  2019-03-22         1
9  2019-04-01         0

---

---

对于第一个，我得到的是

AttributeError:'RangeIndex'对象没有属性'to_period'

，第二个只生成2个结果OK-第一个与

.dt.to_period（'m'）一起工作

。尽管如此，我仍然只得到了两个结果-我期待更多。你知道如何应对这个问题吗？@practicalClearner-hmmm，日期时间和你期望的一样吗？因为这似乎是一些与数据相关的问题。我想是的…导入csv文件时，我的命令是

df=pd.read\u csv（'records-for-2011.csv'，parse\u dates=['Create Time']））

。以前它可以处理170000多行，但是当我开始调整它以获得我想要的内容时，它以某种方式改变了。不知道why@pragmaticlearner-代码看起来不错，是否可以检查datetimes是否有更多的月份，如2个月？

print(df.groupby(['Priority', pd.Grouper(key='Create Time', freq='MS')]).Priority.count())

np.random.seed(123)

df = pd.DataFrame({'Create Time':pd.date_range('2019-01-01', freq='10D', periods=10),
                   'Priority':np.random.choice([0,1], size=10)})

print (df)
  Create Time  Priority
0  2019-01-01         0
1  2019-01-11         1
2  2019-01-21         0
3  2019-01-31         0
4  2019-02-10         0
5  2019-02-20         0
6  2019-03-02         0
7  2019-03-12         1
8  2019-03-22         1
9  2019-04-01         0

print(df.groupby(['Priority', df['Create Time'].dt.to_period('m')]).Priority.count())
Priority  Create Time
0         2019-01        3
          2019-02        2
          2019-03        1
          2019-04        1
1         2019-01        1
          2019-03        2
Name: Priority, dtype: int64

print(df.groupby(['Priority', pd.Grouper(key='Create Time', freq='MS')]).Priority.count())
Priority  Create Time
0         2019-01-01     3
          2019-02-01     2
          2019-03-01     1
          2019-04-01     1
1         2019-01-01     1
          2019-03-01     2
Name: Priority, dtype: int64