python - Pandas:使用 groupby 重新采样时间序列

Question

鉴于以下 pandas DataFrame:

In [115]: times = pd.to_datetime(pd.Series(['2014-08-25 21:00:00','2014-08-25 21:04:00',
                                            '2014-08-25 22:07:00','2014-08-25 22:09:00']))
          locations = ['HK', 'LDN', 'LDN', 'LDN']
          event = ['foo', 'bar', 'baz', 'qux']
          df = pd.DataFrame({'Location': locations,
                             'Event': event}, index=times)
          df
Out[115]:
                               Event Location
          2014-08-25 21:00:00  foo   HK
          2014-08-25 21:04:00  bar   LDN
          2014-08-25 22:07:00  baz   LDN
          2014-08-25 22:09:00  qux   LDN

我想重新采样数据以每小时按计数聚合它，同时按位置分组以生成如下所示的数据框:

Out[115]:
                               HK    LDN
          2014-08-25 21:00:00  1     1
          2014-08-25 22:00:00  0     2

我尝试了 resample() 和 groupby() 的各种组合，但没有运气。我该怎么办？

Answer 1

在我原来的帖子中，我建议使用 pd.TimeGrouper。现在，使用 pd.Grouper 代替 pd.TimeGrouper。语法大体相同，但 TimeGrouper is now deprecated支持 pd.Grouper。

此外，虽然 pd.TimeGrouper 只能按 DatetimeIndex 分组，但 pd.Grouper 可以按 datetime columns 分组，您可以通过key parameter .

---

您可以使用 pd.Grouper按小时对 DatetimeIndex 的 DataFrame 进行分组:

grouper = df.groupby([pd.Grouper(freq='1H'), 'Location'])

使用count统计每组的事件个数:

grouper['Event'].count()
#                      Location
# 2014-08-25 21:00:00  HK          1
#                      LDN         1
# 2014-08-25 22:00:00  LDN         2
# Name: Event, dtype: int64

使用 unstack将 Location 索引级别移动到列级别:

grouper['Event'].count().unstack()
# Out[49]: 
# Location             HK  LDN
# 2014-08-25 21:00:00   1    1
# 2014-08-25 22:00:00 NaN    2

然后使用 fillna 将 NaN 更改为零。

---

把它们放在一起，

grouper = df.groupby([pd.Grouper(freq='1H'), 'Location'])
result = grouper['Event'].count().unstack('Location').fillna(0)

产量

Location             HK  LDN
2014-08-25 21:00:00   1    1
2014-08-25 22:00:00   0    2