我从日志文件中获取了一些数据,想按分钟对条目进行分组:
def gen(date, count=10):
while count > 0:
yield date, "event{}".format(randint(1,9)), "source{}".format(randint(1,3))
count -= 1
date += DateOffset(seconds=randint(40))
df = DataFrame.from_records(list(gen(datetime(2012,1,1,12, 30))), index='Time', columns=['Time', 'Event', 'Source'])
df:
Event Source
2012-01-01 12:30:00 event3 source1
2012-01-01 12:30:12 event2 source2
2012-01-01 12:30:12 event2 source2
2012-01-01 12:30:29 event6 source1
2012-01-01 12:30:38 event1 source1
2012-01-01 12:31:05 event4 source2
2012-01-01 12:31:38 event4 source1
2012-01-01 12:31:44 event5 source1
2012-01-01 12:31:48 event5 source2
2012-01-01 12:32:23 event6 source1
我尝试了以下选项:
df.resample('Min')
级别太高,想要汇总。df.groupby(date_range(datetime(2012,1,1,12, 30), freq='Min', periods=4))
失败失败。df.groupby(TimeGrouper(freq='Min'))
工作正常,并返回一个DataFrameGroupBy
对象进行进一步处理,例如:
grouped = df.groupby(TimeGrouper(freq='Min'))
grouped.Source.value_counts()
2012-01-01 12:30:00 source1 1
2012-01-01 12:31:00 source2 2
source1 2
2012-01-01 12:32:00 source2 2
source1 2
2012-01-01 12:33:00 source1 1
但是,TimeGrouper
该类未记录。
在一段时间内进行分组的正确方法是什么?如何按分钟和“源”列对数据进行分组,例如groupby([TimeGrouper(freq='Min'), df.Source])
?
您可以对与DataFrame长度相同的任何数组/系列进行分组-甚至是实际上不是DataFrame列的计算因子。因此,按分钟分组可以:
df.groupby(df.index.map(lambda t: t.minute))
如果要按分钟分组,则可以将上面的内容与要使用的列混合使用:
df.groupby([df.index.map(lambda t: t.minute), 'Source'])
就我个人而言,如果我想经常对它们进行分组,我发现仅将列添加到DataFrame来存储其中一些计算出的内容(例如,“ Minute”列)很有用,因为这使分组代码的详细程度降低了。
或者您可以尝试这样的事情:
df.groupby([df['Source'],pd.TimeGrouper(freq='Min')])
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