编辑

Question

我有一个数据框：

timestamps                                   values
2017-07-18 20:06:13                            12
2017-07-18 20:08:52                            34
2017-07-19 12:34:02                            123
2017-07-19 12:34:03                            34
2017-07-19 13:11:51                            33
2017-07-19 13:22:08                            76
2017-07-19 22:57:55                            44
2017-07-20 10:34:30                            443
2017-07-20 10:54:00                            32
2017-07-20 11:03:24                            22
2017-07-20 12:05:11                            44
2017-07-20 12:17:28                            323
2017-07-20 12:28:56                            33

时间戳列为datetime64 [ns]。我需要在“时间戳”列中找到每天的开始时间，在“时间戳”列中找到最后一个小时，以及每天的平均计数小时。

我还使用了groupby（），我需要按日期和小时设置索引和分组行：

df = df.set_index('timestamps')
df.groupby([df.index.day,df.index.hour]).count()

我得到了这个结果：

                             values 
timestamps timestamps         
18            20                  2 
19            12                  2 
              13                  2 
              22                  1 
20            10                  2 
              11                  1 
              12                  3

我无法提取数据帧索引中每天的开始时间，最后一个小时以及每天的平均小时数。我怎么能得到这个？谢谢任何建议。

Answer 1

IIUC，您可以尝试以下方法：

df['timestamps'] = pd.to_datetime(df['timestamps'])
df['hour'] = df['timestamps'].dt.hour
df.groupby(df['timestamps'].dt.day).agg({'hour': ['min', 'max', 'mean']}) \
                                   .stack(level=0).droplevel(1)


        min max mean
timestamps          
18      20  20  20.000000
19      12  22  14.400000
20      10  12  11.166667

Answer 2

为了展示更具启发性的示例，我定义了测试DataFrame 日期不同个月（同样从8月开始）

df = pd.DataFrame(data=[
    [ '2017-07-18 20:06:13',  12 ],
    [ '2017-07-18 20:08:52',  34 ],
    [ '2017-07-19 12:34:02', 123 ],
    [ '2017-07-19 12:34:03',  34 ],
    [ '2017-07-19 13:11:51',  33 ],
    [ '2017-07-19 13:22:08',  76 ],
    [ '2017-07-19 22:57:55',  44 ],
    [ '2017-07-20 10:34:30', 443 ],
    [ '2017-07-20 10:54:00',  32 ],
    [ '2017-07-20 11:03:24',  22 ],
    [ '2017-07-20 12:05:11',  44 ],
    [ '2017-07-20 12:17:28', 323 ],
    [ '2017-07-20 12:28:56',  33 ],
    [ '2017-08-20 11:01:00', 122 ],
    [ '2017-08-20 13:55:58',  44 ]],
    columns=['timestamps', 'values'])
df['timestamps'] = pd.to_datetime(df['timestamps'])

要计算所需的值，请定义要计算的函数在特定日期的 min 和 max 时间之间的小时数：

def fn(row):
    return (row['max'] - row['min']) / np.timedelta64(1, 'h')

然后运行：

dayLimits = df.groupby(df.timestamps.dt.floor('d'))\
    .agg({'timestamps': [min, max]})
dayLimits.columns = dayLimits.columns.droplevel(0)
dayLimits['hrs'] = dayLimits.apply(fn, axis=1)

此代码：

按日期将 df 分组
花费最小和最大时间戳，
删除列多索引的顶级
使用上面定义的函数生成 hrs 列。

对于我的测试数据，结果是：

                           min                 max        hrs
timestamps                                                   
2017-07-18 2017-07-18 20:06:13 2017-07-18 20:08:52   0.044167
2017-07-19 2017-07-19 12:34:02 2017-07-19 22:57:55  10.398056
2017-07-20 2017-07-20 10:34:30 2017-07-20 12:28:56   1.907222
2017-08-20 2017-08-20 11:01:00 2017-08-20 13:55:58   2.916111

现在，每天有几个小时，每天的小时数，您可以计算为：

dayLimits.hrs.mean()

最后是关于其他答案之一的注释：

按 dt.day 分组是错误的，因为例如从第20天开始 每个月是同一组的成员。

如果您有一个月的日期，这并不明显，但是在 my 测试DataFrame上尝试使用此代码，这样您就会看到它。

编辑

列名应该不是 Python 的保留字或例如函数名称。

因此，考虑到上述情况，其他解决方案可以是：

dayLimits = df.groupby(df.timestamps.dt.floor('d'))\
    .agg({'timestamps': [min, max]})
dayLimits.columns = ['tmin', 'tmax']
dayLimits['hrs'] = dayLimits.apply(lambda row:
    (row.tmax - row.tmin) / np.timedelta64(1, 'h'), axis=1)

结果仅在列名上有所不同。

如何在熊猫数据框中计算一天的开始时间，一天的结束时间，每天的平均时间？

2 个答案:

编辑