python - 如何按一段时间对DataFrame进行分组？

Question

我有一些来自日志文件的数据，想按一分钟对条目进行分组：

 def gen(date, count=10):
     while count > 0:
         yield date, "event{}".format(randint(1,9)), "source{}".format(randint(1,3))
         count -= 1
         date += DateOffset(seconds=randint(40))

 df = DataFrame.from_records(list(gen(datetime(2012,1,1,12, 30))), index='Time', columns=['Time', 'Event', 'Source'])

东风：

 Event  Source
 2012-01-01 12:30:00     event3  source1
 2012-01-01 12:30:12     event2  source2
 2012-01-01 12:30:12     event2  source2
 2012-01-01 12:30:29     event6  source1
 2012-01-01 12:30:38     event1  source1
 2012-01-01 12:31:05     event4  source2
 2012-01-01 12:31:38     event4  source1
 2012-01-01 12:31:44     event5  source1
 2012-01-01 12:31:48     event5  source2
 2012-01-01 12:32:23     event6  source1

我尝试了这些选项：

1. df.resample('Min')级别太高，想聚合。
2. df.groupby(date_range(datetime(2012,1,1,12, 30), freq='Min', periods=4))异常失败。

3. df.groupby(TimeGrouper(freq='Min'))工作正常并返回一个DataFrameGroupBy对象以供进一步处理，例如：

   grouped = df.groupby(TimeGrouper(freq='Min'))
   grouped.Source.value_counts()
   2012-01-01 12:30:00  source1    1
   2012-01-01 12:31:00  source2    2
                        source1    2
   2012-01-01 12:32:00  source2    2
                        source1    2
   2012-01-01 12:33:00  source1    1
   

但是，TimeGrouper该类没有记录。

按时间分组的正确方法是什么？如何按一分钟和源列对数据进行分组，例如groupby([TimeGrouper(freq='Min'), df.Source])？

Answer 1

您可以对与 DataFrame 长度相同的任何数组/系列进行分组——甚至是一个实际上不是 DataFrame 列的计算因子。因此，按分钟分组，您可以执行以下操作：

df.groupby(df.index.map(lambda t: t.minute))

如果您想按分钟和其他内容进行分组，只需将上述内容与您要使用的列混合：

df.groupby([df.index.map(lambda t: t.minute), 'Source'])

就我个人而言，如果我想经常对它们进行分组，我发现只向 DataFrame 添加列以存储其中一些计算的东西（例如，“分钟”列）很有用，因为它使分组代码不那么冗长。

或者你可以尝试这样的事情：

df.groupby([df['Source'],pd.TimeGrouper(freq='Min')])

Answer 2

由于原始答案相当陈旧，并且熊猫引入了句 点，因此现在有一个不同的解决方案：

df.groupby(df.index.to_period('T'))

此外，您可以重新采样

df.resample('T')

Answer 3

pd.TimeGrouper 现在已折旧。这是使用pd.Grouper的 v1.05 更新

df['Date'] = df.index

df.groupby(['Source',pd.Grouper(key = 'Date', freq='30min')])