Question

我有一个列（来自我的原始数据），我已经从一个字符串转换为Pandas中的datetime-object。

该列如下所示：

0     2012-01-15 11:10:12
1     2012-01-15 11:15:01
2     2012-01-16 11:15:12
3     2012-01-16 11:25:01
...
4     2012-01-22 11:25:11
5     2012-01-22 11:40:01
6     2012-01-22 11:40:18
7     2012-01-23 11:40:23
8     2012-01-23 11:40:23
...
9     2012-01-30 11:50:02
10    2012-01-30 11:50:41
11    2012-01-30 12:00:01
12    2012-01-30 12:00:34
13    2012-01-30 12:45:01
...
14    2012-02-05 12:45:13
15    2012-01-05 12:55:01
15    2012-01-05 12:55:01
16    2012-02-05 12:56:11
17    2012-02-05 13:10:01
...
18    2012-02-11 13:10:11
...
19    2012-02-20 13:25:02
20    2012-02-20 13:26:14
21    2012-02-20 13:30:01
...
22    2012-02-25 13:30:08
23    2012-02-25 13:30:08
24    2012-02-25 13:30:08
25    2012-02-26 13:30:08
26    2012-02-27 13:30:08
27    2012-02-27 13:30:08
28    2012-02-27 13:30:25
29    2012-02-27 13:30:25

我想做的是计算每个日期的发生频率。正如你所看到的，我已经留下了一些日期，但如果我要手动计算频率（对于可见值），我会：

2012-01-15 - 2（频率）

2012-01-16 - 2

2012-01-22 - 3

2012-01-23 - 2

2012-01-30 - 5

2012-02-05 - 5

2012-02-11 - 1

2012-02-20 - 3

2012-02-25 - 3

2012-02-26 - 1

2012-02-27 - 4

这是每日频率，我想算一下。到目前为止我试过这个：

df[df.str.contains(r'^\d\d\d\d-\d\d-\d\d')].value_counts()

我知道它失败了，因为它们不是'字符串'对象，但我不确定如何计算它。

我也查看了.dt属性，但Pandas文档在这些简单的频率计算上非常详细。

另外，为了概括这一点，我将如何：

将每日频率应用于每周频率（例如，周一至周日）
将每日频率应用于每月频率（例如，我在专栏中看到“2012-01 - **”的次数）
使用其他列的每日/每周/每月限制（例如，如果我有一个包含“GET请求”的列，我想知道每天发生的数量，然后是每周，然后是每月）
使用另一个限制来应用每周限制（例如，我有一个返回“未找到404”的列，我想检查有多少 “404我找不到每周” ）

也许解决方案很长，在那里我可能需要做很多事情：split-apply-combine ...但我被认为是Pandas简化/抽象了很多工作，这就是为什么我我现在被困住了。

此文件的来源可视为与服务器日志文件等效的内容。

Answer 1

您可以先获取日期时间的日期部分，然后使用value_counts：

s.dt.date.value_counts()

小例子：

In [12]: s = pd.Series(pd.date_range('2012-01-01', freq='11H', periods=6))

In [13]: s
Out[13]:
0   2012-01-01 00:00:00
1   2012-01-01 11:00:00
2   2012-01-01 22:00:00
3   2012-01-02 09:00:00
4   2012-01-02 20:00:00
5   2012-01-03 07:00:00
dtype: datetime64[ns]

In [14]: s.dt.date
Out[14]:
0    2012-01-01
1    2012-01-01
2    2012-01-01
3    2012-01-02
4    2012-01-02
5    2012-01-03
dtype: object

In [15]: s.dt.date.value_counts()
Out[15]:
2012-01-01    3
2012-01-02    2
2012-01-03    1
dtype: int64

Answer 2

该聚会迟到了，但今天是dataframe.date_time_column.resample('1D').count()

Pandas：计算列中datetime对象的频率

2 个答案: