Python 使用Pandas的datetime的每小时柱状图

假设我在

pandas.DataFrame

中有一个时间戳列

datetime

。例如，时间戳的分辨率为秒。我想用10分钟[1]桶/桶来存储事件。我知道我可以将

datetime

表示为整数时间戳，然后使用直方图。有没有更简单的方法？熊猫内置的什么东西

---

[1] 10分钟只是一个例子。最后，我希望使用不同的分辨率。

要使用自定义频率，如“10Min”，您必须使用一个

TimeGrouper

——正如@johnchase所建议的那样——它在

索引上运行

# Generating a sample of 10000 timestamps and selecting 500 to randomize them
df = pd.DataFrame(np.random.choice(pd.date_range(start=pd.to_datetime('2015-01-14'),periods = 10000, freq='S'), 500),  columns=['date'])
# Setting the date as the index since the TimeGrouper works on Index, the date column is not dropped to be able to count
df.set_index('date', drop=False, inplace=True)
# Getting the histogram
df.groupby(pd.TimeGrouper(freq='10Min')).count().plot(kind='bar')


使用
到\u时段
也可以使用
to_period
方法，但就我所知，对于像“10Min”这样的自定义周期，它不起作用。本例使用附加列来模拟项目的类别

# The number of sample
nb_sample = 500
# Generating a sample and selecting a subset to randomize them
df = pd.DataFrame({'date': np.random.choice(pd.date_range(start=pd.to_datetime('2015-01-14'),periods = nb_sample*30, freq='S'), nb_sample),
                  'type': np.random.choice(['foo','bar','xxx'],nb_sample)})

# Grouping per hour and type
df = df.groupby([df['date'].dt.to_period('H'), 'type']).count().unstack()
# Droping unnecessary column level
df.columns = df.columns.droplevel()
df.plot(kind='bar')

这可能会让你接近：
df.groupby（pd.TimeGrouper（freq='10Min'））.mean（）.plot（kind=“bar”）
你可以用“hist”替换“bar”，但我不确定这是否有意义。我猜y轴应该是频率，但x轴应该是什么？你有没有原始数据的例子，以及绘图应该是什么样的（即使只是口头描述）的例子？可能的重复让我更接近了。谢谢我还有两个问题：1）x轴刻度与数据的日期时间性质无关，2）条的总和不应该是500？它不应该是
.plot（kind='bar'）
而不是@johnchase建议的
.hist（）
？对不起，我在第一个答案中犯了一个大错误（走得太快不是解决办法）。我刚刚编辑了它，认为它现在解决了你的问题。现在，
sum
是500:-）我实际上更喜欢
dt.to_period
的解决方案。强制索引成为时间戳是一个很大的限制