熊猫:如何按日期时间列分组，只使用时间和丢弃日期
提问于 2019-10-09 07:36:13
我有一个日期时间列的dataframe。我只想按时间组成进行分组，并进行汇总，例如取平均值。
我知道我可以使用pd.Grouper按日期和时间分组，但它不只是准时工作。
假设我们有以下数据：
import numpy as np
import pandas as pd
drange = pd.date_range('2019-08-01 00:00', '2019-08-12 12:00', freq='1T')
time = drange.time
c0 = np.random.rand(len(drange))
c1 = np.random.rand(len(drange))
df = pd.DataFrame(dict(drange=drange, time=time, c0=c0, c1=c1))
print(df.head()) drange time c0 c1
0 2019-08-01 00:00:00 00:00:00 0.031946 0.159739
1 2019-08-01 00:01:00 00:01:00 0.809171 0.681942
2 2019-08-01 00:02:00 00:02:00 0.036720 0.133443
3 2019-08-01 00:03:00 00:03:00 0.650522 0.409797
4 2019-08-01 00:04:00 00:04:00 0.239262 0.814565在本例中，以下内容引发一个TypeError：
grouper = pd.Grouper(key='time', freq='5T')
grouped = df.groupby(grouper).mean()我可以将key=drange设置为按日期和时间分组，然后：
- 重置索引
- 将新列转换为浮动
- 带pd.cut的垃圾箱
- 倒流回到过去
- 最后分组，然后聚合
..。但我不知道是否有更清洁的方法来取得同样的结果。
回答 2
Stack Overflow用户
回答已采纳
发布于 2019-10-09 07:45:04
Series.dt.time/DatetimeIndex.time以datetime.time的形式返回时间。这并不好，因为熊猫在timedelta64中工作得最好，所以您的'time'列被转换为object，失去了所有的日期时间功能。
您可以减去规范化日期，以获得作为timedelta的时间，这样您就可以继续使用熊猫的datetime工具。您可以通过floor将其分组。
s = (df.drange - df.drange.dt.normalize()).dt.floor('5T')
df.groupby(s).mean() c0 c1
drange
00:00:00 0.436971 0.530201
00:05:00 0.441387 0.518831
00:10:00 0.465008 0.478130
... ... ...
23:45:00 0.523233 0.515991
23:50:00 0.468695 0.434240
23:55:00 0.569989 0.510291或者，如果您对floor不确定，这将获得与索引名称相同的输出。
df['time'] = (df.drange - df.drange.dt.normalize()) # timedelta64[ns]
df.groupby(pd.Grouper(key='time', freq='5T')).mean()Stack Overflow用户
发布于 2019-10-09 07:47:42
当您使用DataFrame.groupby时，您可以使用系列论证。此外，如果您的系列是datetime，则可以使用series.dt访问date的属性。在您的例子中，df['drange'].dt.hour或df['drange'].dt.time应该这样做。
# df['drange']=pd.to_datetime(df['drange'])
df.groupby(df['drange'].dt.hour).agg(...)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/58307634
复制相关文章
![\[vscode issue\] Golang Debug 无法命中断点](https://developer.qcloudimg.com/http-save/yehe-7580534/aef40dda09a690910f54a96430fcee18.png)
![VS2013中Python学习笔记[基础入门]](https://ask.qcloudimg.com/http-save/yehe-1091427/ivh9kvt907.png)
腾讯云开发者
