python - 如何按一段时间对DataFrame进行分组？

Question

我有一些来自日志文件的数据，想按一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:

1. df.resample('Min') 级别太高，要聚合。
2. df.groupby(date_range(datetime(2012,1,1,12, 30), freq='Min',
period=4)) 异常失败。

3. df.groupby(TimeGrouper(freq='Min')) 工作正常并返回一个 DataFrameGroupBy 对象以供进一步处理，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
   

然而，TimeGrouper 类没有记录。

按时间段分组的正确方法是什么？如何按一分钟和源列对数据进行分组，例如groupby([TimeGrouper(freq='Min'), df.Source])?

Answer 1

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。所以按分钟分组，你可以这样做:

df.groupby(df.index.map(lambda t: t.minute))

如果您想按分钟或其他方式分组，只需将上述内容与您要使用的列混合:

df.groupby([df.index.map(lambda t: t.minute), 'Source'])

我个人发现，如果我想经常按它们分组，只需将列添加到 DataFrame 以存储其中一些计算的内容(例如，“分钟”列)很有用，因为它使分组代码不那么冗长。

或者你可以试试这样的:

df.groupby([df['Source'],pd.TimeGrouper(freq='Min')])