Question

我有一个熊猫系列如下：

2014-05-24 23:59:49     1.3
2014-05-24 23:59:50    2.17
2014-05-24 23:59:50    1.28
2014-05-24 23:59:51    1.30
2014-05-24 23:59:51    2.17
2014-05-24 23:59:53    2.17
2014-05-24 23:59:58    2.17
Name: api_id, Length: 483677

我正在尝试计算每个ID每天的频率。现在我正在这样做：

count = {}
for x in apis.unique():
    count[x] = apis[apis == x].resample('D','count')
count_df = pd.DataFrame(count)

这给了我想要的东西：

            ...    2.13   2.17   2.4  2.6  2.7  3.5(user)  3.9  4.2   5.1  5.6  
timestamp   ...                                                                 
2014-05-22  ...     391  49962  3727  161    2        444  113   90  1398   90  
2014-05-23  ...     450  49918  3861  187    1        450  170   90   629   90  
2014-05-24  ...     396  46359  3603  172    3        513  171   89   622   90

但如果没有for循环，有没有办法呢？

Answer 1

你可以使用value_counts函数（docs），在groupby之后应用它（类似于你所做的resample('D')，但resample期望汇总输出所以在这种情况下，我们必须使用更通用的groupby）。举个小例子：

In [16]: s = pd.Series([1,1,2,2,1,2,5,6,2,5,4,1], index=pd.date_range('2012-01-01', periods=12, freq='8H'))

In [17]: counts = s.groupby(pd.Grouper(freq='D')).value_counts()

In [18]: counts
Out[18]: 
2012-01-01  1    2
            2    1
2012-01-02  2    2
            1    1
2012-01-03  2    1
            6    1
            5    1
2012-01-04  1    1
            5    1
            4    1
dtype: int64

要以所需格式获取此信息，您可以将其取消堆叠（将第二级行索引移动到列中）：

In [19]: counts.unstack()
Out[19]: 
             1   2   4   5   6
2012-01-01   2   1 NaN NaN NaN
2012-01-02   1   2 NaN NaN NaN
2012-01-03 NaN   1 NaN   1   1
2012-01-04   1 NaN   1   1 NaN

注意：对于groupby(pd.Grouper(freq='D'))的使用，您需要pandas 0.14。如果您使用的是旧版本，则可以使用groupby(pd.TimeGrouper(freq='D'))获取完全相同的版本。这也与执行groupby(s.index.date)类似（区别在于索引中有datetime.date个对象。）

频率计数唯一值Pandas

1 个答案: