python pandas 按一天中的小时求和

Posted 2023-03-11

【中文标题】python pandas 按一天中的小时求和

【英文标题】：python pandas sum by hour of day

【发布时间】：2017-09-21 00:15:47

【问题描述】：

我正在使用以下具有每小时计数 (df) 的数据集： datframe 有 8784 行（2016 年，每小时）。

我想看看是否有每日趋势（例如，如果早上的时间增加了。为此，我想创建一个图，其中包含一天中的小时（从 0 到 24） x 轴和 y 轴上的骑行者人数（如下图 http://ofdataandscience.blogspot.co.uk/2013/03/capital-bikeshare-time-series-clustering.html 所示）。

我尝试了 pivot、resample 和 set_index 的不同方式，并用 matplotlib 绘制它，但没有成功。换句话说，我找不到一种方法来总结某个小时的每个观察结果，然后为每个工作日绘制这些观察结果

任何想法如何做到这一点？提前致谢！

【问题讨论】：

你可以对这个 IIUC 做df.groupby(df['Date'].dt.hour) 然后plot

您是否要获取每个工作日每小时平均租用的自行车数量？你想单独绘制它们。您可能会考虑为每个工作日创建一个不同的数据框，然后通过下采样对之后的小时数求和。

【参考方案1】：

我认为您可以使用 groupby by hour 和 weekday 并聚合 sum（或者可能是 mean），最后通过 unstack 和 DataFrame.plot 重塑：

df = df.groupby([df['Date'].dt.hour, 'weekday'])['Cyclists'].sum().unstack().plot()

pivot_table 的解决方案：

df1 = df.pivot_table(index=df['Date'].dt.hour, 
                     columns='weekday', 
                     values='Cyclists', 
                     aggfunc='sum').plot()

示例：

N = 200
np.random.seed(100)
rng = pd.date_range('2016-01-01', periods=N, freq='H')
df = pd.DataFrame('Date': rng, 'Cyclists': np.random.randint(100, size=N)) 
df['weekday'] = df['Date'].dt.weekday_name
print (df.head())
   Cyclists                Date weekday
0         8 2016-01-01 00:00:00  Friday
1        24 2016-01-01 01:00:00  Friday
2        67 2016-01-01 02:00:00  Friday
3        87 2016-01-01 03:00:00  Friday
4        79 2016-01-01 04:00:00  Friday

---

print (df.groupby([df['Date'].dt.hour, 'weekday'])['Cyclists'].sum().unstack())
weekday  Friday  Monday  Saturday  Sunday  Thursday  Tuesday  Wednesday
Date                                                                   
0           102      91       120      53        95       86         21
1           102      83       100      27        20       94         25
2           121      53       105      56        10       98         54
3           164      78        54      30         8       42          6
4           163       0        43      48        89       84         37
5            49      13       150      47        72       95         58
6            24      57        32      39        30       76         39
7           127      76       128      38        12       33         94
8            72       3        59      44        18       58         51
9           138      70        67      18        93       42         30
10           77       3         7      64        92       22         66
11          159      84        49      56        44        0         24
12          156      79        47      34        57       55         55
13           42      10        65      53         0       98         17
14          116      87        61      74        73       19         45
15          106      60        14      17        54       53         89
16           22       3        55      72        92       68         45
17          154      48        71      13        66       62         35
18           60      52        80      30        16       50         16
19           79      43         2      17         5       68         12
20           11      36        94      53        51       35         86
21          180       5        19      68        90       23         82
22          103      71        98      50        34        9         67
23           92      38        63      91        67       48         92

df.groupby([df['Date'].dt.hour, 'weekday'])['Cyclists'].sum().unstack().plot()

编辑：

您还可以将wekkday 转换为categorical，以便按周名称正确排列列：

names = [ 'Monday', 'Tuesday', 'Wednesday', 'Thursday','Friday', 'Saturday', 'Sunday']
df['weekday'] = df['weekday'].astype('category', categories=names, ordered=True)
df.groupby([df['Date'].dt.hour, 'weekday'])['Cyclists'].sum().unstack().plot()

【讨论】：

太棒了，很高兴能帮到你！

我发现周名的顺序不正确，所以我为它添加了解决方案。检查上次编辑。