1
考虑以下合成例:在熊猫,按日期从DatetimeIndex
import pandas as pd
import numpy as np
np.random.seed(42)
ix = pd.date_range('2017-01-01', '2017-01-15', freq='1H')
df = pd.DataFrame(
{
'val': np.random.random(size=ix.shape[0]),
'cat': np.random.choice(['foo', 'bar'], size=ix.shape[0])
},
index=ix
)
其产生以下形式的表:
cat val
2017-01-01 00:00:00 bar 0.374540
2017-01-01 01:00:00 foo 0.950714
2017-01-01 02:00:00 bar 0.731994
2017-01-01 03:00:00 bar 0.598658
2017-01-01 04:00:00 bar 0.156019
现在,我要计数的数量和每个类别和日期的实例平均值。
以下groupby
,几乎是完美的:
df.groupby(['cat',df.index.date]).agg({'val': ['count', 'mean']})
返回:
val
count mean
cat
bar 2017-01-01 16 0.437941
2017-01-02 16 0.456361
2017-01-03 9 0.514388...
与这一个问题,是该指数的第二级变成字符串,而不是date
。 第一个问题:为什么会发生?我怎样才能避免它?
接下来,我试过的groupby
和resample
组合:
df.groupby('cat').resample('1d').agg({'val': 'mean'})
这里,该指数是正确的,但我无法同时运行mean
和count
聚合。这是第二个问题:为什么
df.groupby('cat').resample('1d').agg({'val': ['mean', 'count']})
不起作用?
最后一个问题什么是干净的方法来得到一个汇总(使用这两种功能)查看和与date
类型的指数?
我检查时序和'floor'解决方案是最快的 - [这里](https://stackoverflow.com/a/45943387/2901002) – jezrael