Sorting 熊猫数据帧：计算每小时的值之和？

我是一名Python初学者，主要使用matlab。我的语法有点问题

我正在使用一个包含多个列的数据帧“df”。在df中，是一个以时间作为值字符串的列：df['Hour']，以及一个以值计数的列df['values']。我基本上想计算每个不同小时的“值”之和

这是我的方法。有人能给我一些建议，如何把这个基本的想法翻译成干净的东西吗？必须有一个更简单的方法来做到这一点

非常感谢你的帮助

# first sort my dataframe by ascending hours
df = df.sort(['Hour'],ascending=[1])

# initialize a new empty column in df, called "change"
df['change'] = np.zeros(len(df['Hour']))

# loop over df, finding all the indices where the hour changes (where "i" is not equal to "i-1"). I call this array of changes "A"
i = 0
for i in range(len(df)):
    A = numpy.where(df['Hour'][i] != df['Hour'][i-1]) 
    #if the index is the same any value of A, that means the Hour has changed
    if i == A:
    #assign to df['change'] the sum of df['values'] for the current hour (sum of values for hour = 0, then hour = 1, then hour = 2, etc).
        df['change'] = "df['values'].sum() where df['Hour'] is the same" #how can I write this?
i = i+1

您可以使用：

---

一般来说，您可能希望避免使用

pandas

代码循环-您正在失去速度。

您可以使用：

---

---

一般来说，您可能希望避免使用

pandas

代码循环-您正在失去速度。

有几种方法可以做到这一点。有些方法比其他方法更快或更容易

方法1：

groupby

给定一个列名。如果要按列而不是索引进行分组，则这是最快的

>>> %timeit df.values.groupby('Hour').sum()
1000 loops, best of 3: 1.35 ms per loop

方法2：

groupby

上的

Hour

值。这是Ami的方法。如果要分组的对象不在要分组的

DataFrame

中，但在您的情况下速度较慢，这是很好的

>>> %timeit df.values.groupby(df.Hour).sum()
100 loops, best of 3: 6.95 ms per loop

方法3：将

Hour

列转换为索引，然后对索引进行

sum

。这是最快的方法，只要你想求和的东西已经是一个索引，它就有相当大的优势。在您的情况下，我认为将

Hour

作为索引将简化很多事情，因此这是我将使用的方法

>>> df.set_index('Hour', inplace=True)
>>> %timeit df.sum()
1000 loops, best of 3: 744 µs per loop

方法4：将

Hour

列转换为索引，

groupby

在索引上，然后在groupby上求和。如果您有一个

多索引

，这种方法将工作得更好

>>> df.set_index('Hour', inplace=True)
>>> %timeit df.groupby(level=0).sum()
100 loops, best of 3: 3.19 ms per loop

---

有几种方法可以做到这一点。有些方法比其他方法更快或更容易

方法1：

groupby

给定一个列名。如果要按列而不是索引进行分组，则这是最快的

>>> %timeit df.values.groupby('Hour').sum()
1000 loops, best of 3: 1.35 ms per loop

方法2：

groupby

上的

Hour

值。这是Ami的方法。如果要分组的对象不在要分组的

DataFrame

中，但在您的情况下速度较慢，这是很好的

>>> %timeit df.values.groupby(df.Hour).sum()
100 loops, best of 3: 6.95 ms per loop

方法3：将

Hour

列转换为索引，然后对索引进行

sum

。这是最快的方法，只要你想求和的东西已经是一个索引，它就有相当大的优势。在您的情况下，我认为将

Hour

作为索引将简化很多事情，因此这是我将使用的方法

>>> df.set_index('Hour', inplace=True)
>>> %timeit df.sum()
1000 loops, best of 3: 744 µs per loop

方法4：将

Hour

列转换为索引，

groupby

在索引上，然后在groupby上求和。如果您有一个

多索引

，这种方法将工作得更好

>>> df.set_index('Hour', inplace=True)
>>> %timeit df.groupby(level=0).sum()
100 loops, best of 3: 3.19 ms per loop