熊猫按块分组而不是单个值

Posted 2023-05-08

【中文标题】熊猫按块分组而不是单个值

【英文标题】：Pandas group by chunks not single values

【发布时间】：2016-09-17 14:22:29

【问题描述】：

现在我对使用 pandas 进行分组有点困惑。

我有一组包含 3 列的数据（超过 60k 行）：

2015/12/18 11:12:49 +0300   d1  b1
2015/12/18 11:12:50 +0300   d2  b2
2015/12/18 11:13:08 +0300   d1  b3
2015/12/18 11:13:36 +0300   d2  b4
2015/12/18 11:13:43 +0300   d2  b5
2015/12/18 11:14:21 +0300   d2  c0
2015/12/18 11:14:42 +0300   d2  c1
2015/12/18 11:15:13 +0300   d1  c2
2015/12/18 11:15:19 +0300   d3  c3

我需要获取按时间段（例如 0-4、4-8、8-12 等按 4 小时）和工作日分组的行数，然后在一周内获得一组时间段。

我可以得到一周中每个小时的总和（时间是第一列的名称）：

dind = pd.DatetimeIndex(df.time)
gr = df.groupby([dind.weekday, dind.hour])
gr.size()

但我不知道如何按块分组，然后将生成的 MultiIndex 合并到单个索引列中。

我希望这是对问题的清晰描述。

【参考方案1】：

您的问题的第一部分，如何按 4 小时的块分组很容易，并在下面的两个选项中得到解决。 df.index.hour // 4

第二部分含糊不清，因为有几种方法可以解释“合并为一列”。我为你提供了两种选择。

选项 1

gpd = df.groupby([df.index.weekday, df.index.hour // 4]).size()
gpd.index = gpd.index.to_series()
gpd

(4, 2)    9
dtype: int64

选项 2

gpd = df.groupby([df.index.weekday, df.index.hour // 4]).size()
gpd.index = ['_'.format(*i) for i in gpd.index]
gpd

4_2    9
dtype: int64

【讨论】：

谢谢。像魅力一样工作。

如果你不介意我有相关的问题。如何按天分块？比如说df.groupby([dind.date // N])，但是日期对象不能被分割。

@gudvinr df.groupby(pd.TimeGrouper('3D'))