使用pandas.Grouper将datetime.time列拆分为时间范围
使用pandas.Grouper将datetime.time列拆分为时间范围
提问于 2021-10-26 23:36:49
我是从一个Excel文件中读取的，该文件有一个具有时间的列。因为我无法上传实际文件，所以我创建了变量timeIntervals来说明。
当我运行这个代码时..。
import pandas as pd
import datetime
from pyPython import *
def main():
timeIntervals = pd.date_range("11:00", "21:30", freq="30min").time
df = pd.DataFrame({"Times": timeIntervals})
grp = pd.Grouper(key="Times", freq="3H")
value = df.groupby(grp).count()
print(value)
if __name__ == '__main__':
main()我得到以下错误：
TypeError: Only valid with DatetimeIndex, TimedeltaIndex or PeriodIndex, but got an instance of 'Index'如何结合使用pandas.Grouper和DataFrame.groupby将数据df“分组”成离散时间范围(3小时)？还有其他选择吗？
Stack Overflow用户
回答已采纳
发布于 2021-10-26 23:52:43
以下几个问题：
window.
count计算列中的非NaN值，因此必须提供非NaN值，因为示例帧中没有剩余的列。
我们可以通过将time列转换为datetime来解决第一个问题：
timeIntervals = pd.date_range("11:00", "21:30", freq="30min") # remove time here
df = pd.DataFrame({"Times": timeIntervals})如果我们不是从date_range中创建这些值，我们可以简单地转换列to_datetime
df['Times'] = pd.to_datetime(df['Times'], format='%H:%M:%S')然后我们就可以分组计算：
value = df.groupby(pd.Grouper(key="Times", freq="3H"))['Times'].count()如果需要，我们可以更新index以只反映分组后的time：
value.index = value.index.time因此，value变成了：
09:00:00 2
12:00:00 6
15:00:00 6
18:00:00 6
21:00:00 2
Name: Times, dtype: int64和to_datetime一起
def main():
time_intervals = pd.date_range("11:00", "21:30", freq="30min").time
df = pd.DataFrame({"Times": time_intervals})
# Convert to DateTime
df['Times'] = pd.to_datetime(df['Times'], format='%H:%M:%S')
# Group and count specific column
value = df.groupby(pd.Grouper(key="Times", freq="3H"))['Times'].count()
# Retrieve only Time information
value.index = value.index.time
print(value)或者在创建time之前不检索DataFrame：
def main():
time_intervals = pd.date_range("11:00", "21:30", freq="30min")
df = pd.DataFrame({"Times": time_intervals})
value = df.groupby(pd.Grouper(key="Times", freq="3H"))['Times'].count()
value.index = value.index.time
print(value)页面原文内容由Stack Overflow提供。腾讯云小微IT领域专用引擎提供翻译支持
原文链接：
https://stackoverflow.com/questions/69731081
复制相关文章
相似问题
腾讯云开发者
