计算每天的推文

Posted 2023-03-11

【中文标题】计算每天的推文

【英文标题】：Calculate Tweets Per day

【发布时间】：2020-11-16 01:20:52

【问题描述】：

我需要编写一个函数来计算每天发布的推文数量。

功能规格：

它应该采用 pandas 数据框作为输入。 它应该返回一个按天分组的新数据框，其中包含当天的推文数量。 新数据框的索引应命名为日期，新数据框的列应为“推文”，分别对应推文的日期和数量。 日期的格式应为 yyyy-mm-dd，并且应为日期时间对象。

我的代码是：

def number_of_tweets_per_day(df):
    
    df = pd.DataFrame(twitter_df['Date','Tweets'], columns =['Date', 'Tweets'])
    
    df['Date'] = pd.to_datetime(df['Date'], format = '%Y%m%d')
    df['Tweets'] = df['Tweets'].astype(str)
    
    grouped = pd.df.groupby(['Date'],['Tweets'])
    final = pd.df.count()
    
    
    
    return final

但是，当我尝试运行命令“number_of_tweets_per_day(twitter_df.copy())”时，我收到一条错误消息，提示未定义 twitter_df。

DF：

预期输出：

附加到输入数据帧图像和预期输出图像的链接。

我做错了什么？

【问题讨论】：

应该twitter_df 是def 中的参数吗？

【参考方案1】：

您可以在此处使用DataFrame.groupby 和pd.Series.dt.date 进行分组并使用GroupBy.count。

def tweets_per_day(df):
    df['Date'] = pd.to_datetime(df['Date'], format='%Y%m%d')
    return df[['Tweets']].groupby(df['Date'].dt.date).count()
  # return df['Tweets'].groupby(df['Date'].dt.date).count() 
  # if you want output to be `Series`

tweets_per_day(twitter_df)

虚拟 df 上的输出：

d = pd.to_datetime(['2019-11-29', '2019-11-30']).repeat(10)
df = pd.DataFrame('Tweets':'anything', 'Date':d)
df
#      Tweets       Date
#0   anything 2019-11-29
#1   anything 2019-11-30
#2   anything 2019-11-29
#3   anything 2019-11-30
#4   anything 2019-11-29
#5   anything 2019-11-30
#6   anything 2019-11-29
#7   anything 2019-11-30
#8   anything 2019-11-29
#9   anything 2019-11-30
#10  anything 2019-11-29
#11  anything 2019-11-30
#12  anything 2019-11-29
#13  anything 2019-11-30
#14  anything 2019-11-29
#15  anything 2019-11-30
#16  anything 2019-11-29
#17  anything 2019-11-30
#18  anything 2019-11-29
#19  anything 2019-11-30

tweets_per_day(df)

            Tweets
Date
2019-11-29      10
2019-11-30      10

【参考方案2】：

@Ch3steR 演示的groupby() 技术确实有效。这里有另外两种方法，使用value_counts() 和resample()：

创建数据框（并设置数据类型）：

import pandas as pd

df = pd.DataFrame('Date':  ['2019-11-30'] * 5 + ['2019-11-29'] * 6,
                   'Tweets': 'x'
                 )
df['Date'] = pd.to_datetime(df['Date'], format='%Y-%m-%d')

value_counts() 方法：

def tweets_per_day_2(df):
    return df['Date'].value_counts().sort_index()

result = tweets_per_day_2(df)
print(result)

2019-11-29    6
2019-11-30    5
Name: Date, dtype: int64

还有resample() 方法：

def tweets_per_day_3(df):
    return df.set_index('Date').resample('D').count().sort_index()

result = tweets_per_day_3(df)
print(result)

            Tweets
Date              
2019-11-29       6
2019-11-30       5