Question

我现在已经收集了几天的Twitter数据，除其他外，我需要分析内容的传播方式。当用户对内容感兴趣时，我创建了一个时间戳列表，并在列名为'timestamps'的pandas df中导入了Twitter时间戳。它看起来像这样：

0     Sat Dec 14 05:13:28 +0000 2013
1     Sat Dec 14 05:21:12 +0000 2013
2     Sat Dec 14 05:23:10 +0000 2013
3     Sat Dec 14 05:27:54 +0000 2013
4     Sat Dec 14 05:37:43 +0000 2013
5     Sat Dec 14 05:39:38 +0000 2013
6     Sat Dec 14 05:41:39 +0000 2013
7     Sat Dec 14 05:43:46 +0000 2013
8     Sat Dec 14 05:44:50 +0000 2013
9     Sat Dec 14 05:47:33 +0000 2013
10    Sat Dec 14 05:49:29 +0000 2013
11    Sat Dec 14 05:55:03 +0000 2013
12    Sat Dec 14 05:59:09 +0000 2013
13    Sat Dec 14 05:59:45 +0000 2013
14    Sat Dec 14 06:17:19 +0000 2013

等。我想做的是每10分钟采样一次，并计算每个时间段内有多少用户对内容感兴趣。我的问题是我不知道如何处理从Twitter导入的时间戳。我应该使用正则表达式还是有更好的方法吗？如果有人可以提供一些指示，我将不胜感激。谢谢！

Answer 1

这是ISO日期格式，可以使用pd.to_datetime轻松转换为日期时间：

>>> df[:2]
                        timestamp
0  Sat Dec 14 05:13:28 +0000 2013
1  Sat Dec 14 05:21:12 +0000 2013

>>> df['timestamp'] = pd.to_datetime(df['timestamp'])
>>> df[:2]
              timestamp
0   2013-12-14 05:13:28
1   2013-12-14 05:21:12

要重新取样，您可以将其设为索引，然后使用resample

>>> df.index = df['timestamp']
>>> df.resample('20Min', 'count')
2013-12-14 05:00:00  timestamp    1
2013-12-14 05:20:00  timestamp    5
2013-12-14 05:40:00  timestamp    8
2013-12-14 06:00:00  timestamp    1
dtype: int64

在熊猫中使用日期

1 个答案: