2

我有一个 .json 文件扩展名 (logs.json) 发送给我,其中包含以下数据(我只显示其中的一部分,因为有超过 2,000 个条目):

[“2012-03-01T00:05:55+00:00”、“2012-03-01T00:06:23+00:00”、“2012-03-01T00:06:52+00:00”、“ 2012-03-01T00:11:23+00:00”、“2012-03-01T00:12:47+00:00”、“2012-03-01T00:12:54+00:00”、“2012- 03-01T00:16:14+00:00”、“2012-03-01T00:17:31+00:00”、“2012-03-01T00:21:23+00:00”、“2012-03- 01T00:21:26+00:00”、“2012-03-01T00:22:25+00:00”、“2012-03-01T00:28:24+00:00”、“2012-03-01T00: 31:21+00:00”、“2012-03-01T00:32:20+00:00”、“2012-03-01T00:33:32+00:00”、“2012-03-01T00:35: 21+00:00”、“2012-03-01T00:38:14+00:00”、“2012-03-01T00:39:24+00:00”、“2012-03-01T00:43:12+ 00:00”、“2012-03-01T00:46:13+00:00”、“2012-03-01T00:46:31+00:00”、“2012-03-01T00:48:03+00: 00",“2012-03-01T00:49:34+00:00”、“2012-03-01T00:49:54+00:00”、“2012-03-01T00:55:19+00:00”、“2012 -03-01T00:56:27+00:00"、"2012-03-01T00:56:32+00:00"]

使用熊猫,我做了:

import pandas as pd
logs = pd.read_json('logs.json')
logs.head()

我得到以下信息:

                           0
0  2012-03-01T00:05:55+00:00
1  2012-03-01T00:06:23+00:00
2  2012-03-01T00:06:52+00:00
3  2012-03-01T00:11:23+00:00
4  2012-03-01T00:12:47+00:00

[5 rows x 1 columns]

然后,为了分配正确的数据类型,包括 UTC 区域,我这样做:

logs = pd.to_datetime(logs[0], utc=True)
logs.head()

并得到:

0   2012-03-01 00:05:55
1   2012-03-01 00:06:23
2   2012-03-01 00:06:52
3   2012-03-01 00:11:23
4   2012-03-01 00:12:47
Name: 0, dtype: datetime64[ns]

以下是我的问题:

  1. 上面的代码是否正确以正确格式获取我的数据?
  2. 我的 UTC 时区去了哪里?如果我想创建一个具有相应 PST 时间的列并以数据框格式将其添加到此数据集中怎么办?
  3. 我似乎记得为了获得每天/每周或每年的计数,我需要在某处添加 .day、.week 或 .year(logs.day?),但我无法弄清楚,我猜这是因为我的数据的当前形状。我如何获得每天的计数?星期?年?这样我就可以绘制数据?我将如何绘制数据?

对于从 R 过渡到使用 Python 进行数据分析的人来说,这些简单的问题似乎太难了!我希望你们能帮忙!

4

1 回答 1

3

我认为这里的 tz 处理可能存在错误,这当然有可能默认转换(我很惊讶它不是,我怀疑这是因为它只是一个列表)。

In [21]: s = pd.read_json(js, convert_dates=[0], typ='Series')  # more honestly this is a Series

In [22]: s.head()
Out[22]:
0   2012-03-01 00:05:55
1   2012-03-01 00:06:23
2   2012-03-01 00:06:52
3   2012-03-01 00:11:23
4   2012-03-01 00:12:47
dtype: datetime64[ns]

要获得年、月等的计数。我可能会使用 DatetimeIndex (目前类似日期的列没有年/月等方法,尽管我认为它们(c|sh)应该):

In [23]: dti = pd.DatetimeIndex(s)

In [24]: s.groupby(dti.year).size()
Out[24]:
2012    27
dtype: int64

In [25]: s.groupby(dti.month).size()
Out[25]:
3    27
dtype: int64

也许将数据视为 TimeSeries 更有意义:

In [31]: ts = pd.Series(1, dti)

In [32]: ts.head()
Out[32]:
2012-03-01 00:05:55    1
2012-03-01 00:06:23    1
2012-03-01 00:06:52    1
2012-03-01 00:11:23    1
2012-03-01 00:12:47    1
dtype: int64

这样您就可以使用重采样:

In [33]: ts.resample('M', how='sum')
Out[33]:
2012-03-31    27
Freq: M, dtype: int64
于 2014-04-10T18:25:32.333 回答