这是我的代码:
pizzarequests = pd.Series(open('pizza_requests.txt').read().splitlines())
line = "unix_timestamp_of_request_utc"
lines = pizzarequests[pizzarequests.str.contains(line)].str.split(",").str[1]
print(lines)
dts = pd.to_datetime(lines, unit='s')
hours = dts.dt.hour
print(hours)
pizzarequests = pd.Series(open('pizza_requests.txt').read().splitlines())
line = "requester_received_pizza"
lines = pizzarequests[pizzarequests.str.contains(line)].str.split(",").str[1]
data = pd.DataFrame({'houroftheday' : hours.values, 'successpizza' : lines})
print(data)
****哪个给了我:****
houroftheday successpizza
23 18 true
67 2 true
105 14 true
166 23 true
258 20 true
297 1 true
340 2 true
385 22 true
...
304646 21 false
304686 12 false
304746 1 false
304783 3 false
304840 20 false
304907 17 false
304948 1 false
305023 4 false
如何计算仅与真实相对应的小时数?
答案 0 :(得分:1)
首先根据True
列中的successpizza
和sum
列houroftheday
对所有行进行过滤:
sum_hour = data.loc[data['successpizza'] == 'true', 'houroftheday'].sum()
print (sum_hour)
102
如果只需要size
,则只计算True
s,如果使用sum
,则True
是1
之类的流程:
len_hour = (data['successpizza'] == 'true').sum()
print (len_hour)
8
或者如果需要每个houroftheday
的长度:
mask = (data['successpizza'] == 'true').astype(int)
out = mask.groupby(data['houroftheday']).sum()
print (out)
houroftheday
1 1
2 2
3 0
12 0
14 1
18 1
20 1
21 0
22 1
23 1
Name: successpizza, dtype: int32
删除traling空格的解决方案是str.strip
:
line = "requester_received_pizza"
lines = pizzarequests[pizzarequests.str.contains(line)].str.split(",").str[1].str.strip()
答案 1 :(得分:0)
我想您想要计算successpizza
为true
的每小时的发生次数。如果是这样,您将需要使用successpizza
,groupby
houroftheday
列对数据框进行切片,并使用计数进行汇总。
看起来您正在读取文件中的true / false值,因此它们是字符串。您需要先转换它们。
data.successpizza = data.successpizza.apply(lambda x: x=='true')
data[data.successpizza].groupby('houroftheday').count()