Python Panda按时间和列的计数值分组
假设我有一个包含事件和日志时间的数组,如下所示: Time Event 01/01/2019 8h00 X 01/01/2019 8h10 Y 01/01/2019 9h10 X 02/01/2019 7h10 Z 02/01/2019 8h10 Y 02/01/2019 9h10 Y ...Python Panda按时间和列的计数值分组,python,python-3.x,pandas,pandas-groupby,Python,Python 3.x,Pandas,Pandas Groupby,假设我有一个包含事件和日志时间的数组,如下所示: Time Event 01/01/2019 8h00 X 01/01/2019 8h10 Y 01/01/2019 9h10 X 02/01/2019 7h10 Z 02/01/2019 8h10 Y 02/01/2019 9h10 Y ... 01/01/2019 [(X,2), (Y,1)] 02/01/2019 [(Y, 2), (Z,1)] ... 目前,我只成功地按时间分组,统计所有事件或列出所有
01/01/2019 [(X,2), (Y,1)]
02/01/2019 [(Y, 2), (Z,1)]
...
目前,我只成功地按时间分组,统计所有事件或列出所有唯一的事件
data = pd.read_csv('my.csv')
s1 = data['Time'].groupby(data['Time'].dt.floor('d')).size()
s2 = data.groupby(data['Time'].dt.floor('d')['Event'].unique().reset_index()
s1输出:
01/01/2019 3
02/01/2019 3
s2输出:
01/01/2019 [X, Y]
02/01/2019 [Y, Z]
我如何实现按时间分组和计算每个事件的数量 将自定义lambda函数用于:
很好,你能告诉我为什么
df['Time'].dt.floor('d')
和为什么不df['Time'].dt.date
在groupby下,有什么主要区别吗?@anky_91-是的,df['date'].dt.date
返回python对象dates
和df['Time'].dt.floor('d')
返回没有时间的日期时间。显然,在pandas中,使用像python对象这样的日期时间更好。
df = (data.groupby(data['Time'].dt.floor('d'))['Event']
.apply(lambda x: list(x.value_counts().items()))
.reset_index())
print (df)
Time Event
0 2019-01-01 [(X, 2), (Y, 1)]
1 2019-02-01 [(Y, 2), (Z, 1)]