Pandas groupby 一天中的时间到字典
Posted
技术标签:
【中文标题】Pandas groupby 一天中的时间到字典【英文标题】:Pandas groupby hour of the day to dictionary 【发布时间】:2017-06-19 06:40:22 【问题描述】:我有一个pandas
数据框如下:
date | Item | count
------------------------------------
2016-12-06 10:45:08 | Item1 | 60
2016-12-06 10:45:08 | Item2 | 145
2016-12-06 09:45:00 | Item1 | 60
2016-12-06 09:44:54 | Item3 | 600
2016-12-06 09:44:48 | Item4 | 15
2016-12-06 11:45:08 | Item1 | 60
2016-12-06 10:45:08 | Item2 | 14
2016-11-06 09:45:00 | Item1 | 62
2016-11-06 09:44:54 | Item3 | 6
2016-11-06 09:44:48 | Item4 | 15
我正在尝试按一天中的某个小时(或一天的晚些时候)对项目进行分组,以了解以下统计信息: 每天售出的物品清单,例如:
在2016-12-06
,从09:00:00
到10:00:00
,商品1、商品3 和商品4 已售出;等等。
在 2016-12-06
,商品 1、商品 2、商品 3、商品 4(独特商品)已售出。
虽然我离获取这些统计数据还很遥远,但我仍然坚持按时间分组。
最初,print df.dtypes
显示
date object
Item object
count int64
dtype: object
所以,我使用以下代码行将日期列转换为 pandas 日期对象。
df['date'] = pd.to_datetime(df['date'])
现在,print df.dtypes
产生:
date datetime64[ns]
Item object
count int64
dtype: object
但是,当我尝试通过执行以下代码行使用TimeGrouper
对date
列进行分组时
from pandas.tseries.resample import TimeGrouper
print df.groupby([df['date'],pd.TimeGrouper(freq='Min')])
我收到以下TypeError
。根据here 或here 给出的建议,使用 pd.to_datetime 进行转换应该可以解决此问题。
TypeError: Only valid with DatetimeIndex, TimedeltaIndex or PeriodIndex, but got an instance of 'RangeIndex'
我不知道如何解决此问题以继续查找我正在寻找的统计信息。任何有关解决此错误和使用 TimeGrouper 以字典格式(或任何更有意义的格式)查找统计信息的提示将不胜感激。
【问题讨论】:
【参考方案1】:您可以通过numpy array
使用groupby
- 删除minutes
和seconds
的日期时间:
print (df['date'].values.astype('<M8[h]'))
['2016-12-06T10' '2016-12-06T10' '2016-12-06T09' '2016-12-06T09'
'2016-12-06T09' '2016-12-06T11' '2016-12-06T10' '2016-11-06T09'
'2016-11-06T09' '2016-11-06T09']
print (df.groupby(df['date'].values.astype('<M8[h]')).Item.unique())
2016-11-06 09:00:00 [Item1, Item3, Item4]
2016-12-06 09:00:00 [Item1, Item3, Item4]
2016-12-06 10:00:00 [Item1, Item2]
2016-12-06 11:00:00 [Item1]
Name: Item, dtype: object
print (df.groupby(df['date'].values.astype('<M8[h]')).Item
.apply(lambda x: x.unique().tolist()).to_dict())
Timestamp('2016-11-06 09:00:00'): ['Item1', 'Item3', 'Item4'],
Timestamp('2016-12-06 09:00:00'): ['Item1', 'Item3', 'Item4'],
Timestamp('2016-12-06 10:00:00'): ['Item1', 'Item2'],
Timestamp('2016-12-06 11:00:00'): ['Item1']
print (df.groupby(df['date'].values.astype('<M8[D]')).Item
.apply(lambda x: x.unique().tolist()).to_dict())
Timestamp('2016-11-06 00:00:00'): ['Item1', 'Item3', 'Item4'],
Timestamp('2016-12-06 00:00:00'): ['Item1', 'Item2', 'Item3', 'Item4']
感谢Jeff的建议使用round
:
print (df.groupby(df['date'].dt.round('h')).Item
.apply(lambda x: x.unique().tolist()).to_dict())
Timestamp('2016-11-06 10:00:00'): ['Item1', 'Item3', 'Item4'],
Timestamp('2016-12-06 12:00:00'): ['Item1'],
Timestamp('2016-12-06 10:00:00'): ['Item1', 'Item3', 'Item4'],
Timestamp('2016-12-06 11:00:00'): ['Item1', 'Item2']
print (df.groupby(df['date'].dt.round('d')).Item
.apply(lambda x: x.unique().tolist()).to_dict())
Timestamp('2016-11-06 00:00:00'): ['Item1', 'Item3', 'Item4'],
Timestamp('2016-12-06 00:00:00'): ['Item1', 'Item2', 'Item3', 'Item4']
【讨论】:
顺便说一句,我真的很喜欢。以后我会记住的。 更习惯使用 .round('min') .dt.round('min') 这是访问器上的一个方法【参考方案2】:sold = df.set_index('date').Item.resample('H').agg('Sold': 'unique')
sold[sold.Sold.str.len() > 0]
Sold
date
2016-11-06 09:00:00 [Item4, Item3, Item1]
2016-12-06 09:00:00 [Item4, Item3, Item1]
2016-12-06 10:00:00 [Item1, Item2]
2016-12-06 11:00:00 [Item1]
【讨论】:
以上是关于Pandas groupby 一天中的时间到字典的主要内容,如果未能解决你的问题,请参考以下文章
Pandas - Python 2.7:如何将时间序列索引转换为一天中的秒数?