总结每天大 pandas 的发生次数 [英] summing the number of occurrences per day pandas

问题描述

 分数
时间戳
 2013 -06-29 00：52：28 + 00：00 -0.420070 
 2013-06-29 00：51：53 + 00：00 -0.445720 
 2013-06-28 16：40：43+ 00:00 0.508161 
 2013-06-28 15：10：3​​0 + 00：00 0.921474 
 2013-06-28 15：10：17 + 00：00 0.876710 
  

我需要获得测量次数，发生这样的事情，所以我正在寻找这样的东西$ /

  count 
 timestamp 
 2013-06-29 2 
 2013-06-28 3 
  

我不在乎情绪栏我想要每天的事件计数。

解决方案

如果您的 timestamp index是一个 DatetimeIndex ：

  import io 
 import pandas as pd 
 content =' ''\ 
时间戳记
 2013-06-29 00：52：28 + 00：00 -0.420070 
 2013-06-29 00：51：53 + 00：00 -0.445720 
 2013-06-28 16：40：43 + 00：00 0.508161 
 2013-06-28 15：10：3​​0 + 00：00 0.921474 
 2013-06-28 15:10 ：17 + 00：00 0.876710 
''
 
 df = pd.read_table（io.BytesIO（content），sep ='\s {2，}'，parse_dates = [ 0]，index_col = [0]）
 
 print（df）
  

所以 df 看起来像这样：

  score 
 timestamp 
 2013-06-29 00:52:28 -0.420070 
 2013-06-29 00:51:53 -0.445720 
 2013-06-28 16:40:43 0.508161 
 2013-06-28 15:10:30 0.921474 
 2013-06-28 15:10:17 0.876710 
 
 print（df.index）
＃< class 'pandas.tseries.index.DatetimeIndex'> 
  

您可以使用：

  print（df.groupby（df.index.date）.count（））
  

 分数
 2013-06-28 3 
 2013-06-29 2 
  

---

请注意 parse_dates 参数。没有它，索引将只是一个 pandas.core.index.Index 对象。在这种情况下，您不能使用 df.index.date 。

所以答案取决于 type（df.index），您尚未显示...

I have a data set like so in a pandas dataframe.

                                  score
timestamp                                 
2013-06-29 00:52:28+00:00        -0.420070
2013-06-29 00:51:53+00:00        -0.445720
2013-06-28 16:40:43+00:00         0.508161
2013-06-28 15:10:30+00:00         0.921474
2013-06-28 15:10:17+00:00         0.876710

I need to get counts for the number of measurements, that occur so I am looking for something like this

                                    count
   timestamp
   2013-06-29                       2
   2013-06-28                       3

I dont not care about the sentiment column i want the count of the occurrences per day.

解决方案

If your timestamp index is a DatetimeIndex:

import io
import pandas as pd
content = '''\
timestamp  score
2013-06-29 00:52:28+00:00        -0.420070
2013-06-29 00:51:53+00:00        -0.445720
2013-06-28 16:40:43+00:00         0.508161
2013-06-28 15:10:30+00:00         0.921474
2013-06-28 15:10:17+00:00         0.876710
'''

df = pd.read_table(io.BytesIO(content), sep='\s{2,}', parse_dates=[0], index_col=[0])

print(df)

so df looks like this:

                        score
timestamp                    
2013-06-29 00:52:28 -0.420070
2013-06-29 00:51:53 -0.445720
2013-06-28 16:40:43  0.508161
2013-06-28 15:10:30  0.921474
2013-06-28 15:10:17  0.876710

print(df.index)
# <class 'pandas.tseries.index.DatetimeIndex'>

You can use:

print(df.groupby(df.index.date).count())

which yields

            score
2013-06-28      3
2013-06-29      2

---

Note the importance of the parse_dates parameter. Without it, the index would just be a pandas.core.index.Index object. In which case you could not use df.index.date.

So the answer depends on the type(df.index), which you have not shown...

这篇关于总结每天大 pandas 的发生次数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！