Question

我正在读取包含以下数据的csv文件：

Create Date,           Original Filesize,  Number of Encodings
2016-01-27 16:27:10,   855583191,          1
2016-01-27 16:28:11,   854336,             1
2016-01-27 16:28:25,   854336,             1
2016-01-27 16:30:12,   9691559,            1

我想计算表格中每两分钟生成的记录数。

E.g。如果我们从2016-01-27 16:27:00开始然后从2016-01-27 16:27:01到2016-01-27 16:29:00，我们有2条记录。从2016-01-27 16:29:01到2016-01-27 16:31:00，我们有1条记录等等。

我正在尝试使用pandas，因为我想稍后对其进行一些数据分析。是否有一个简单的方法可以使用/不使用熊猫？

此外，我首先使用mysql导出此数据。如果使用sql更容易，那也没关系。

Answer 1

我认为您可以resample使用sum：

print df.resample('2min').sum()
                     Original Filesize  Number of Encodings
Create Date                                                
2016-01-27 16:26:00          855583191                    1
2016-01-27 16:28:00            1708672                    2
2016-01-27 16:30:00            9691559                    1

print df.resample('2min', base=1).sum()
                     Original Filesize  Number of Encodings
Create Date                                                
2016-01-27 16:27:00          857291863                    3
2016-01-27 16:29:00            9691559                    1

或者，如果您只需要汇总列Number of Encodings：

print df.resample('2min')['Number of Encodings'].sum().reset_index()
          Create Date  Number of Encodings
0 2016-01-27 16:26:00                    1
1 2016-01-27 16:28:00                    2
2 2016-01-27 16:30:00                    1

print df.resample('2min', base=1)['Number of Encodings'].sum().reset_index()
          Create Date  Number of Encodings
0 2016-01-27 16:27:00                    3
1 2016-01-27 16:29:00                    1

如果您只需要计算行数，则size会聚合更多通用：

print df.resample('2min').size().reset_index(name='count')
          Create Date  count
0 2016-01-27 16:26:00      1
1 2016-01-27 16:28:00      2
2 2016-01-27 16:30:00      1

print df.resample('2min', base=1).size().reset_index(name='count')
          Create Date  count
0 2016-01-27 16:27:00      3
1 2016-01-27 16:29:00      1

计算Python中特定时间间隔内的记录数

1 个答案: