对重复的列进行分组，并使用pandas对相应的列值求和 [英] Group duplicate columns and sum the corresponding column values using pandas
本文介绍了对重复的列进行分组，并使用pandas对相应的列值求和的处理方法，对大家解决问题具有一定的参考价值，需要的朋友们下面随着小编来一起学习吧！
问题描述
我正在预处理apache服务器日志数据.我有3列ID，TIME和BYTES.示例:
I am preprocessing apache server log data. I have 3 columns ID, TIME, and BYTES. Example:
ID 时间 字节
ID TIME BYTES
1 13:00 10
1 13:00 10
2 13:02 30
2 13:02 30
3 13:03 40
3 13:03 40
4 13:02 50
4 13:02 50
5 13:03 70
5 13:03 70
我想实现以下目标:
ID 时间 字节
ID TIME BYTES
1 13:00 10
1 13:00 10
2 13:02 80
2 13:02 80
3 13:03 110
3 13:03 110
推荐答案
让我们尝试:
df['TIME'] = pd.to_datetime(df['TIME'])
ax = df.groupby('TIME')['BYTES'].sum().plot()
ax.set_xlim('13:00:00','13:03:00')
输出:
这篇关于对重复的列进行分组，并使用pandas对相应的列值求和的文章就介绍到这了，希望我们推荐的答案对大家有所帮助，也希望大家多多支持IT屋！
查看全文
