Question

我有一个数据框，df如下

Index        DateTimestamp                a        b        c     
 0        2017-08-03 00:00:00            ta        bc      tt       
 1        2017-08-03 00:00:00            re                        
 3        2017-08-03 00:00:00                      cv      ma 

 4        2017-08-04 00:00:00                                     
 5        2017-09-04 00:00:00                      cv             
 :                 :                      :         :       :      
 :                 :                      :         :       :

我想按1天的时间将每列中的值计数分组，而不考虑每列中的空值。所以输出将是

 Index                        a        b        c 
2017-08-03 00:00:00           2        2        2
2017-08-04 00:00:00           0        1        0

我已经尝试过了，但是不想让我想要

df2=df.groupby([pd.Grouper(key='DeviceDateTimeStamp', freq='1D')]) ['a','b','c'].apply(pd.Series.count)

Answer 1

使用dt.floor或date删除时间，使用GroupBy.count删除计数缺失值：

print (df)
   Index        DateTimestamp    a    b    c
0      0  2017-08-03 00:00:00   ta   bc   tt
1      1  2017-08-03 00:00:00   re  NaN  NaN
2      3  2017-08-03 00:00:00  NaN   cv   ma
3      4  2017-08-04 00:00:00  NaN  NaN  NaN
4      5  2017-09-04 00:00:00  NaN   cv  NaN

df2=df.groupby(df['DateTimestamp'].dt.floor('d'))['a','b','c'].count()
#another solution
#df2=df.groupby(df['DateTimestamp'].dt.date)['a','b','c'].count()
print (df2)
               a  b  c
DateTimestamp         
2017-08-03     2  2  2
2017-08-04     0  0  0
2017-09-04     0  1  0

编辑：

print (df)
   Index        DateTimestamp   a   b   c
0      0  2017-08-03 00:00:00  ta  bc  tt
1      1  2017-08-03 00:00:00  re        
2      3  2017-08-03 00:00:00      cv  ma
3      4  2017-08-04 00:00:00            
4      5  2017-09-04 00:00:00      cv

或者如果可能，在a,b,c列中输入数字值：

c = ['a','b','c']
df2=df[c].astype(str).ne('').groupby(df['DateTimestamp'].dt.floor('d')).sum().astype(int)
print (df2)
               a  b  c
DateTimestamp         
2017-08-03     2  2  2
2017-08-04     0  0  0
2017-09-04     0  1  0

一次计算多列中的值

1 个答案: