Question

这是我的交易数据框，其中每一行都代表一个交易：

date               station
30/10/2017 15:20    A
30/10/2017 15:45    A
31/10/2017 07:10    A
31/10/2017 07:25    B
31/10/2017 07:55    B

我需要将start_date分组为小时间隔并计算每个城市，因此最终结果将是：

date        hour      station   count
30/10/2017  16:00        A       2
31/10/2017  08:00        A       1
31/10/2017  08:00        B       2

第一行是指2017年10月30日15:00至16:00，在A站有2笔交易

如何在熊猫中做到这一点？

我尝试了这段代码，但结果是错误的：

df_start_tmp = df_trip[['Start Date', 'Start Station']]

times = pd.DatetimeIndex(df_start_tmp['Start Date'])

df_start = df_start_tmp.groupby([times.hour, df_start_tmp['Start Station']]).count()

非常感谢您的帮助

Answer 1

IIUC size + pd.Grouper

df.date=pd.to_datetime(df.date)
df.groupby([pd.Grouper(key='date',freq='H'),df.station]).size().reset_index(name='count')
Out[235]: 
                 date station  count
0 2017-10-30 15:00:00       A      2
1 2017-10-31 07:00:00       A      1
2 2017-10-31 07:00:00       B      2

Python Pandas按小时和计数行分组日期时间

1 个答案: