我有一个DataFrame
,其中有两列,Type
和Time
:
import pandas as pd
import dateutil.parser
df = pd.DataFrame({'Type' : ['foo', 'bar', 'foo', 'bar', 'foo', 'bar', 'foo', 'foo', 'foo', 'foo'],
'Time' : ['9:11', '9:54', '15:12', '11:39', '21:50', '15:40', '1:23', '1:48', '9:13', '9:48']})
Type
指某些分类事件(此处为foo
和bar
),而Time
是表示一天中时间的字符串。我想确定一天中哪个小时foo
的最高比例。
到目前为止,我已经提出以下建议:
def get_hour(timestring):
return dateutil.parser.parse(timestring).hour
df['_hour'] = df['Time'].apply(get_hour)
grouped_count = df.groupby(['_hour', 'Type']).count()
print(grouped_count)
打印
Time
_hour Type
1 foo 2
9 bar 1
foo 3
11 bar 1
15 bar 1
foo 1
21 foo 1
此处Time
列表示每小时每种类型的总出现次数。但是,我想生成一个辅助列,比如说Fraction
,它包含每小时的一小部分,如下所示:
Time Fraction
_hour Type
1 foo 2 1.0
9 bar 1 0.25
foo 3 0.75
11 bar 1 1.0
15 bar 1 0.5
foo 1 0.5
21 foo 1 1.0
我怎样才能做到这一点?
答案 0 :(得分:1)
您可以按 _hour 索引进行分组,并使用transform
(或apply
)来计算分数:
grouped_count['Fraction'] = grouped_count.groupby(level='_hour').Time.transform(lambda x: x/x.sum())
grouped_count
# Time Fraction
#_hour Type
#1 foo 2 1.00
#9 bar 1 0.25
# foo 3 0.75
#11 bar 1 1.00
#15 bar 1 0.50
# foo 1 0.50
#21 foo 1 1.00
如果您不需要时间列,您也可以执行.value_counts(normalize=True)
:
df.groupby('_hour').Type.value_counts(normalize=True)
#_hour Type
#1 foo 1.00
#9 foo 0.75
# bar 0.25
#11 bar 1.00
#15 bar 0.50
# foo 0.50
#21 foo 1.00
#Name: Type, dtype: float64
使用标准h:m
字符串,您还可以按如下方式解析hour
:
df.groupby(df.Time.str.extract(r'^(\d+)', expand=False)).Type.value_counts(normalize=True)
答案 1 :(得分:1)
使用:
#get hour by splitting to Series h
h = df['Time'].str.split(':').str[0].astype(int).rename('hour')
#for groupby use instead column Series
grouped_count = df.groupby([h, 'Type'])['Time'].count().to_frame()
#divide by aggregate first level hour and sum
grouped_count['Fraction'] = grouped_count.div(grouped_count.sum(level=0))
print(grouped_count)
Time Fraction
hour Type
1 foo 2 1.00
9 bar 1 0.25
foo 3 0.75
11 bar 1 1.00
15 bar 1 0.50
foo 1 0.50
21 foo 1 1.00