Question

我有一个Dataframe表示某种事件的开始和结束时间，例如，当工厂中的机器停止时：

     machine_id            start_date              end_date
1             1   2016-10-01 00:00:00   2016-10-01 03:00:00
2             1   2016-10-03 05:30:00   2016-10-03 06:30:00
3             2   2016-10-03 23:30:00   2016-10-04 01:00:00
4             1   2016-10-04 05:00:00   2016-10-04 06:00:00
5             2   2016-10-04 05:50:00   2016-10-04 06:00:00
6             1   2016-10-05 18:50:00   2016-10-06 02:00:00
....

我需要获取停止任何计算机的总分钟数，按给定的粒度分组：每月，每周，每天...例如，如果粒度是每日，则所需的输出将为：

        date       total_time
1 2016-10-01              180
2 2016-10-02                0
3 2016-10-03               90
4 2016-10-04              130
5 2016-10-05              310
6 2016-10-06              120
...

如果粒度是每月，则输出只是：

        date       total_time
1 2016-10-01              830

我的直觉说它可能与resample()有关，但我不知道如何使用resample和两个不同的列。

Answer 1

如何使用groupby？

In [67]: df = pandas.read_csv('data', parse_dates=[1, 2])

In [68]: for d, dfg in df.groupby(lambda i: df.end_date[i].date()):
    ...:     print d, (dfg.end_date - dfg.start_date).sum()
    ...: 
2016-10-03 0 days 08:27:23
2016-10-04 1 days 14:00:04
2016-10-31 56 days 19:26:40.344080

我不确定你的意思＆＃34;当机器停止时＃34;：大概是指某个甚至被触发的时候。如果是这样，请在上述分组之前过滤df。

熊猫：巩固日期时间间隔

1 个答案: