Python 如何基于时间段评估日志跟踪

我有一个日志记录的数据集，我需要根据每分钟的请求来查看它，我已经像这样将它转换成熊猫

   year    month  day  hour  Requests count
0   2018      6    1     0    114710.0
1   2018      6    1     1    115735.0
2   2018      6    1     2    130116.0
3   2018      6    1     3    133225.0
4   2018      6    1     4    128355.0
upto 24 Hour means whole day,

我们可以看到每小时有数百万个请求，所以我想每分钟查看一次，我可以使用这个脚本

df['count'] = df.groupby(df.date.dt.minute)['requests'].count()

然后它将返回60个值，但问题是我需要每小时60分钟的值和序列，因此它将成为

60*24=1440

每分钟请求数

，任何帮助都将不胜感激，谢谢

---

实际数据有数百万个时间戳值

样本数据中没有

日期

列，但似乎需要

dt.hour

：

rng = pd.date_range('2017-04-03 10:10:12', periods=100, freq='120T')
df = pd.DataFrame({'date': rng, 'requests': range(100)})  
#print (df)

df1 = df.groupby([df.date.dt.minute.rename('min'), 
                  df.date.dt.hour.rename('hour')])['requests'].count()
print (df1)
min  hour
10   0       8
     2       8
     4       8
     6       8
     8       8
     10      9
     12      9
     14      9
     16      9
     18      8
     20      8
     22      8
Name: requests, dtype: int64

---

是的，有一个日期列，我正在等待outputTypeError:插入列的索引与帧索引不兼容XValueError:缓冲区数据类型不匹配，预期为“Python对象”，但得到了“long”@KhanHassan-您可以添加带有

date

列的示例数据吗？您不能分配给

df['count']

，因为聚合需要像

df1这样的新数据帧