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 ...

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)]