python-3.x - 根据 groupby 和 TimeGrouper 之后的列条件从 pandas 数据框中获取行

Question

我有一个带有时间戳的 pandas 数据框，我想获取一般情况下每天“y”的数量，以及按组每天“y”的数量。举个例子:

df = pd.DataFrame({
               'action': ['n','n', 'y', 'n', 'n', 'n', 'y', 'n', 'n', 'y', 'y'],
               'timestamp': pd.to_datetime(
                           ['2016-03-01 10:38:42','2016-03-01 10:38:42', '2016-03-01 10:38:42',
                            '2016-03-01 10:38:42', '2016-03-01 10:38:42',
                            '2016-03-02 10:38:42', '2016-03-02 10:38:42',
                            '2016-03-03 10:38:42', '2016-03-03 10:38:42',
                            '2016-03-03 10:38:42', '2016-03-03 10:38:42']),
               'group': ['A','A','A', 'B', 'B', 'A', 'A', 'B', 'B','A', 'A']
                   })

df.set_index(keys='timestamp', inplace = True)
df

这是数据框的样子: 到目前为止，我的方法是:

grouper = df.groupby([pd.TimeGrouper('D')])

我不知道该怎么做。我想要的是每天“y”的数量:

timestamp  |  count
2016-03-01 |    1
2016-03-02 |    1
2016-03-03 |    2

我还想获得每组每天“y”的数量。在这种情况下，A 应为 4，B 应为 0。任何帮助将不胜感激!

Answer 1

我首先按日期和列 group 进行分组。随后，我在几天内加入了第二个小组。

per_day_group = df.assign(
    yes=df.action.eq('y').astype(np.uint8)
).groupby([pd.TimeGrouper('D'), 'group']).yes.sum()

print(per_day_group)

timestamp   group
2016-03-01  A        1
            B        0
2016-03-02  A        1
2016-03-03  A        2
            B        0
Name: yes, dtype: uint8

---

per_day_group.to_frame('per_day_grp').join(
    per_day_group.groupby(level=0).sum().rename('per_day'))

                  per_day_grp  per_day
timestamp  group                      
2016-03-01 A                1        1
           B                0        1
2016-03-02 A                1        1
2016-03-03 A                2        2
           B                0        2