python - Pandas/python 并在数据框中使用带有日期的列

Question

我目前正在从事一个 Python/Pandas 数据科学项目，以获取乐趣。我正在查看的数据有一个日期列，其中日期如下所示:2016-07-16。数据类型也是对象。我想要做的是遍历每个日期并从该行中提取数据。现在，某些行可能具有相同的日期，因为该日期发生了两次单独的攻击。 (我正在查看恐怖主义数据。)我目前所做的是以下内容:

dates = []
start = 0;
while start < 300: 
    date = data.iat[start, 1]
    dates.append(date)
    start += 1

这几乎会让我得到我想要的。但是，我有两个问题，开始变量设置为 0，但我无法转到 365，因为就像我说的，每个日期可能有多次攻击。所以一年可能会发生大约 400 次攻击。例如，有没有办法可以在 2016-12-31 或 2017-01-01 结束数据收集？基本上，有没有一种方法可以快速确定年复一年的攻击数量？感谢您的任何帮助!

哦，我会说我正在尝试类似的事情:

newDate = pd.to_datetime(startdate) + pd.DateOffset(days=1)

或

data['Date']) + timedelta(days=1)

在日期上加一以结束该年。没有得到我想要的东西，而且每天可能会有不止一个条目。

为了进一步解释我可以有这样的东西:

Date            Deaths     Country 
2002-01-01         2         India 
2002-01-02         0         Pakistan
2001-01-02         1         France

数据大约有20,000点，我需要找到一种方法在每年年底停止它。这是我的主要问题。我不能去365，因为同一天世界各地可能会发生多起恐怖袭击。

Answer 1

IMO 无需添加新列:

In [132]: df
Out[132]:
        Date  Deaths   Country
0 2002-01-01       2     India
1 2002-01-02       0  Pakistan
2 2001-01-02       1    France

In [217]: df.groupby(df.Date.dt.year)['Deaths'].sum()
Out[217]:
Date
2001    1
2002    2
Name: Deaths, dtype: int64

或者:

In [218]: df.groupby(pd.TimeGrouper(freq='AS', key='Date'))['Deaths'].sum()
Out[218]:
Date
2001-01-01    1
2002-01-01    2
Freq: AS-JAN, Name: Deaths, dtype: int64

In [219]: df.groupby(pd.TimeGrouper(freq='A', key='Date'))['Deaths'].sum()
Out[219]:
Date
2001-12-31    1
2002-12-31    2
Freq: A-DEC, Name: Deaths, dtype: int64

并且您始终可以访问日期时间列的不同部分(年、月、日、工作日、小时等):

In [137]: df.Date.dt.year
Out[137]:
0    2002
1    2002
2    2001
Name: Date, dtype: int64

In [138]: df.Date.dt.
df.Date.dt.ceil             df.Date.dt.freq             df.Date.dt.microsecond      df.Date.dt.strftime         df.Date.dt.weekday
df.Date.dt.date             df.Date.dt.hour             df.Date.dt.minute           df.Date.dt.time             df.Date.dt.weekday_name
df.Date.dt.day              df.Date.dt.is_month_end     df.Date.dt.month            df.Date.dt.to_period        df.Date.dt.weekofyear
df.Date.dt.dayofweek        df.Date.dt.is_month_start   df.Date.dt.nanosecond       df.Date.dt.to_pydatetime    df.Date.dt.year
df.Date.dt.dayofyear        df.Date.dt.is_quarter_end   df.Date.dt.normalize        df.Date.dt.tz
df.Date.dt.days_in_month    df.Date.dt.is_quarter_start df.Date.dt.quarter          df.Date.dt.tz_convert
df.Date.dt.daysinmonth      df.Date.dt.is_year_end      df.Date.dt.round            df.Date.dt.tz_localize
df.Date.dt.floor            df.Date.dt.is_year_start    df.Date.dt.second           df.Date.dt.week