我正在尝试根据日期对值进行分类。数据框看起来像这样
type event_date
43851 MEDIUM 2017-10-09 13:28:33
43852 HIGH 2017-10-09 14:19:49
43853 HIGH 2017-10-09 14:23:25
43854 HIGH 2017-10-09 14:24:18
43855 MEDIUM 2017-10-09 14:25:31
43856 LOW 2017-10-09 14:25:33
43857 MEDIUM 2017-10-09 14:25:33
43858 LOW 2017-10-09 14:25:38
我想从特定日期开始分类并type每半小时计算一次出现次数。我试过
grouper = df.groupby([pd.Grouper(freq='30T',key='event_date'), 'type'])
grouper['other_col'].count()
这几乎完全符合我的要求
event_date type
2017-10-09 13:00:00 MEDIUM 1
2017-10-09 14:00:00 HIGH 3
LOW 2
MEDIUM 2
我想
LOW- 12 小时 = 02:25:33）而不是第一个可用的小时。您可以使用 pd.cut
starting_hour = (df[df.type=='LOW'].head(1).event_date - dt.timedelta(hours=12)).item()
intervals = pd.cut(df.event_date, pd.date_range(start=starting_hour , freq='30T', periods=49))
43851 (2017-10-09 13:25:33, 2017-10-09 13:55:33]
43852 (2017-10-09 13:55:33, 2017-10-09 14:25:33]
43853 (2017-10-09 13:55:33, 2017-10-09 14:25:33]
43854 (2017-10-09 13:55:33, 2017-10-09 14:25:33]
43855 (2017-10-09 13:55:33, 2017-10-09 14:25:33]
43856 (2017-10-09 13:55:33, 2017-10-09 14:25:33]
43857 (2017-10-09 13:55:33, 2017-10-09 14:25:33]
43858 (2017-10-09 14:25:33, 2017-10-09 14:55:33]
要仅包含左值，您可以
df['i'] = intervals.transform(lambda k: k.left)
43851 2017-10-09 13:25:33
43852 2017-10-09 13:55:33
43853 2017-10-09 13:55:33
43854 2017-10-09 13:55:33
43855 2017-10-09 13:55:33
43856 2017-10-09 13:55:33
43857 2017-10-09 13:55:33
43858 2017-10-09 14:25:33
然后你可以分组间隔并使用 count()
df.groupby(['i', 'type']).count()
请注意，您使用的是 30 分钟间隔，因此会有很多空行。
本文收集自互联网，转载请注明来源。
如有侵权，请联系 [email protected] 删除。
我来说两句