python - 获取每小时每分钟的平均计数

Question

我有一个带有时间戳作为索引和一列标签的数据框

df=DataFrame({'time':[ datetime(2015,11,2,4,41,10),     datetime(2015,11,2,4,41,39), datetime(2015,11,2,4,41,47), 
datetime(2015,11,2,4,41,59), datetime(2015,11,2,4,42,4),     datetime(2015,11,2,4,42,11),
datetime(2015,11,2,4,42,15), datetime(2015,11,2,4,42,30),     datetime(2015,11,2,4,42,39), 
 datetime(2015,11,2,4,42,41),datetime(2015,11,2,5,2,9),datetime(2015,11,2,    5,2,10),
datetime(2015,11,2,5,2,16),datetime(2015,11,2,5,2,29),datetime(2015,11,2,    5,2,51),
datetime(2015,11,2,5,9,1),datetime(2015,11,2,5,9,21),datetime(2015,11,2,5,9,31),
datetime(2015,11,2,5,9,40),datetime(2015,11,2,5,9,55)],
'Label':[2,0,0,0,1,0,0,1,1,1,1,3,0,0,3,0,1,0,1,1]}).set_index(['time'])

我想获取标签在特定分钟内出现的平均次数在一个不同的时间。

例如，标签 0 在第 4 小时第 41 分钟出现 3 次，在第 4 小时出现 2 次第 42 分钟，
第 5 小时第 2 分钟内出现 2 次，第 5 小时第 9 分钟内出现 2 次，因此其平均计数为第 4 小时中的分钟是

(2+3)/2=2.5 

第 5 小时每分钟的计数为

(2+2)/2=2

我正在寻找的输出是

Hour 1
Label  avg
0      2.5
1      2
2       .5
3       0


Hour 2
Label  avg
0      2
1      1.5
2      0
3      1

到目前为止我所拥有的是

df['hour']=df.index.hour

hour_grp=df.groupby(['hour'], as_index=False)

然后我可以做类似的事情

res=[]
for key, value in hour_grp:
    res.append(value)

然后按分钟分组

res[0].groupby(pd.TimeGrouper('1Min'))['Label'].value_counts()

但这就是我陷入困境的地方，更不用说它效率不高

Answer 1

首先将 DataFrame 压缩为一个系列(毕竟，它只有一列):

s = df.squeeze()

计算每个标签每分钟出现的次数:

counts_by_min = (s.resample('min')
                  .apply(lambda x: x.value_counts())
                  .unstack()
                  .fillna(0))

#                        0    1    2    3
# time                                   
# 2015-11-02 04:41:00  3.0  0.0  1.0  0.0
# 2015-11-02 04:42:00  2.0  4.0  0.0  0.0
# 2015-11-02 05:02:00  2.0  1.0  0.0  2.0
# 2015-11-02 05:09:00  2.0  3.0  0.0  0.0

按小时重新采样 counts_by_min 以获得每个标签按小时出现的次数:

counts_by_hour = counts_by_min.resample('H').sum()

#                        0    1    2    3
# time                                   
# 2015-11-02 04:00:00  5.0  4.0  1.0  0.0
# 2015-11-02 05:00:00  4.0  4.0  0.0  2.0

按小时计算每个标 checkout 现的分钟数:

minutes_by_hour = counts_by_min.astype(bool).resample('H').sum()

#                        0    1    2    3
# time                                   
# 2015-11-02 04:00:00  2.0  1.0  1.0  0.0
# 2015-11-02 05:00:00  2.0  2.0  0.0  1.0

将后两项相除即可得到您想要的结果:

avg_per_hour = counts_by_hour.div(minutes_by_hour).fillna(0)

#                        0    1    2    3
# time                                   
# 2015-11-02 04:00:00  2.5  4.0  1.0  0.0
# 2015-11-02 05:00:00  2.0  2.0  0.0  2.0