Question

我有一些来自日志文件的数据，并希望按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：

df.resample('Min')级别太高，想要聚合。
df.groupby(date_range(datetime(2012,1,1,12, 30), freq='Min', periods=4))失败，但有例外。

df.groupby(TimeGrouper(freq='Min'))正常工作并返回DataFrameGroupBy个对象进行进一步处理，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

但是，TimeGrouper类没有记录。

在一段时间内分组的正确方法是什么？如何按一分钟和按来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。因此，您可以按分钟分组：

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

如果您想按分钟分组，只需将上面的内容与您要使用的列混合：

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

我个人认为，如果我想经常对它们进行分组，那么只需将列添加到DataFrame来存储这些计算的东西（例如，“Minute”列）就很有用，因为它会使分组代码不那么冗长。 / p>

或者您可以尝试这样的事情：

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

Answer 2

由于原来的答案相当陈旧，并且引入了大熊猫periods 现在有一个不同的解决方案：

df.groupby(df.index.to_period('T'))

此外，您可以resample

df.resample('T')

Answer 3

pd.TimeGrouper现在已折旧。这是使用pd.Grouper

的v1.05更新

df['Date'] = df.index

df.groupby(['Source',pd.Grouper(key = 'Date', freq='30min')])

如何将DataFrame分组一段时间？

3 个答案: