Python 按一列分组，然后按日期时间分组使用。descripe（）[已解决]

我有一个pandas DataFrame

df

，它基本上是一个用户在给定日期时间发出的tweet列表，看起来是这样的：

            created_at user_screen_name
3  2020-10-29 00:00:11    user_name_one
3  2020-10-29 00:00:11    user_name_one
3  2020-10-30 00:00:11    user_name_one
3  2020-10-31 00:00:11    user_name_one
5  2020-10-29 00:00:16    user_name_two
13 2020-10-30 00:00:38    user_name_two
13 2020-10-30 00:00:38    user_name_two
14 2020-10-30 00:00:39  user_name_three
17 2020-10-30 00:00:45  user_name_three

我想做的是首先根据

user\u screen\u name

列对推文进行分组，然后根据用户当天的推文次数对每个

user\u screen\u name

的推文进行进一步分组（因此，在本例中，user\u name\u one自29、30和31日发布以来将有三个组），然后最后调用

.descripe（）

查询每个用户每天的推文数量，并将该信息附加到

df

上。所以最后，它看起来是这样的：

      user_screen_name count mean std ...
3        user_name_one     4    1   x ...
5        user_name_two     3  1.5   y ...
14     user_name_three     2    2   z ...

我相信我可以用

df.groupby

和

df.Grouper（freq=“D”）

来做这件事，但我不知道如何把它们放在一起，因为我对熊猫还是相当陌生的。我试过了

combined.groupby(['user_screen_name', pd.Grouper('created_at', freq='D')])

但它告诉我参数

freq

有多个值，这让我很困惑。任何帮助都将不胜感激

编辑：

经过一些修补，我找到了一个很好的单衬里。这相当慢（在一个有255000条tweet的数据集上完成大约5分钟），但我认为没有更快的方法，因为我相信

descripe（）

是计算时间如此之长的原因：

combined = combined.groupby([pd.Grouper(key='user_screen_name'), pd.Grouper(key='created_at', freq='D')]).size().groupby(level=0).describe()