Question

我有一个如下的数据框我想groupby class，subclassadn描述每小时间隔的D列

A,B,C,D
06-JUL-2017 09:15:00,class1,subclass1,3
06-JUL-2017 09:16:00,class1,subclass2,4
06-JUL-2017 10:15:00,class2,subclass1,5
06-JUL-2017 10:17:00,,class2,subclass2,7

我用过：

`df.groupby(['B','account'],pd.Grouper(freq='60T'))['D'].describe().astype(int)`

但是我怎么告诉Groper它必须从A列中取出时间然后应用60T的频率间隔。

预期的操作:(类似于）

class1 subclass1 9:15    
                 10:15
       subclass2 9:15
                 10:15
class2 subclass1 9:15
                 10:15
       subclass2 9:15
       subclass2 10:15

我试过times = pd.to_datetime(df.A)需要一些时间（也许是因为有多个相同的时间戳，如9：15：00,9：15：00）然后我尝试了df.groupby(['B','C'],pd.Grouper(level=times,freq='15T'))['D'].describe().astype(int)

Answer 1

您需要使用关键参数：

server = ModularServer(SwarmportModel, [grid], "SwarmportModel",)
TypeError: __init__() missing 3 required positional arguments: 'N', 'width', and 'height'

您可以通过编程方式从第一个观察点（thanks to @MaxU）获取基本参数：

s ='''A,B,C,D
06-JUL-2017 09:15:00,class1,subclass1,3
06-JUL-2017 09:16:00,class1,subclass2,4
06-JUL-2017 10:15:00,class2,subclass1,5
06-JUL-2017 10:17:00,class2,subclass2,7'''
df = pd.read_csv(pd.compat.StringIO(s))

df['A'] = pd.to_datetime(df['A'])

df.groupby(['B', 'C', pd.Grouper(freq='60T', key='A', base=15)]).describe()
Out: 
                                         D                                  
                                     count mean std  min  25%  50%  75%  max
B      C         A                                                          
class1 subclass1 2017-07-06 09:15:00   1.0  3.0 NaN  3.0  3.0  3.0  3.0  3.0
       subclass2 2017-07-06 09:15:00   1.0  4.0 NaN  4.0  4.0  4.0  4.0  4.0
class2 subclass1 2017-07-06 10:15:00   1.0  5.0 NaN  5.0  5.0  5.0  5.0  5.0
       subclass2 2017-07-06 10:15:00   1.0  7.0 NaN  7.0  7.0  7.0  7.0  7.0

使用pd.grouper分组每个n分钟

1 个答案: