按天计算计数

5 回答

• 2

  您可以使用floor或date删除时间，然后使用value_counts进行计数，将rename_axis和reset_index用于2列 DataFrame ：

  df = (df['created_at'].dt.floor('d')
                       .value_counts()
                       .rename_axis('created_at')
                       .reset_index(name='number_of_entities'))
  print (df)
    created_at  number_of_entities
  0 2017-10-29                   4
  1 2017-10-27                   4
  

  要么：

  df = (df['created_at'].dt.date
                       .value_counts()
                       .rename_axis('created_at')
                       .reset_index(name='number_of_entities'))
  

  如果想避免在 value_counts 传递参数 sort=False 中进行默认排序：

  df = (df['created_at'].dt.floor('d')
                       .value_counts(sort=False)
                       .rename_axis('created_at')
                       .reset_index(name='number_of_entities'))
  

  回复于 2024-05-10T06:18:01+08:00
• 2

  使用 groupby.size

  # Convert to datetime dtype if you haven't.
  df1.created_at = pd.to_datetime(df1.created_at)
  
  df2 = df1.groupby(df1.created_at.dt.date).size().reset_index(name='number_of_entities')
  
  print (df2)
  
     created_at  number_of_entities
  0  2017-10-27                   4
  1  2017-10-29                   4
  

  回复于 2024-05-10T06:18:01+08:00
• 3

  特定

  >>> df
             created_at  entities
  0 2017-10-29 23:06:28         1
  1 2017-10-29 22:28:20         2
  2 2017-10-29 20:01:37         3
  3 2017-10-29 20:00:14         4
  4 2017-10-27 08:44:30         5
  5 2017-10-27 08:44:10         6
  6 2017-10-27 08:43:13         7
  7 2017-10-27 08:43:00         8
  

  同

  >>> df.dtypes
  created_at    datetime64[ns]
  entities               int64
  dtype: object
  

  你可以发出：

  >>> pd.PeriodIndex(df['created_at'], freq='D').value_counts()
  2017-10-29    4
  2017-10-27    4
  Freq: D, Name: created_at, dtype: int64
  

  jezrael在评论中提出了一种没有 PeriodIndex 构造函数的更好的方法：

  >>> df['created_at'].dt.to_period('D').value_counts()
  2017-10-27    4
  2017-10-29    4
  

  通过一些额外的重命名来匹配您的输出，它开始看起来像jezrael的解决方案 . ;）

  >>> datecol = 'created_at'
  >>> df[datecol].dt.to_period('D').value_counts().rename_axis(datecol).reset_index(name='number_of_entities')
    created_at  number_of_entities
  0 2017-10-27                   4
  1 2017-10-29                   4
  

  或者，您可以将索引设置为日期，然后 resample ：

  >>> df.set_index('created_at').resample('D').size()
  created_at
  2017-10-27    4
  2017-10-28    0
  2017-10-29    4
  Freq: D, dtype: int64
  

  ...如果需要转换为您的确切输出：

  >>> resampled = df.set_index('created_at').resample('D').size()
  >>> resampled[resampled != 0].reset_index().rename(columns={0: 'number_of_entities'})
    created_at  number_of_entities
  0 2017-10-27                   4
  1 2017-10-29                   4
  

  ---

  更多上下文： resample 对于任意时间间隔特别有用，例如"five minutes" . 以下示例直接来自Wes McKinney的书"Python for Data Analysis" .

  >>> N = 15
  >>> times = pd.date_range('2017-05-20 00:00', freq='1min', periods=N)
  >>> df = pd.DataFrame({'time': times, 'value': np.arange(N)})
  >>> 
  >>> df
                    time  value
  0  2017-05-20 00:00:00      0
  1  2017-05-20 00:01:00      1
  2  2017-05-20 00:02:00      2
  3  2017-05-20 00:03:00      3
  4  2017-05-20 00:04:00      4
  5  2017-05-20 00:05:00      5
  6  2017-05-20 00:06:00      6
  7  2017-05-20 00:07:00      7
  8  2017-05-20 00:08:00      8
  9  2017-05-20 00:09:00      9
  10 2017-05-20 00:10:00     10
  11 2017-05-20 00:11:00     11
  12 2017-05-20 00:12:00     12
  13 2017-05-20 00:13:00     13
  14 2017-05-20 00:14:00     14
  >>> 
  >>> df.set_index('time').resample('5min').size()
  time
  2017-05-20 00:00:00    5
  2017-05-20 00:05:00    5
  2017-05-20 00:10:00    5
  Freq: 5T, dtype: int64
  

  回复于 2024-05-10T06:18:01+08:00
• 1

  给你数据：

  In [3]: df
  Out[3]: 
              created_at                                           entities
  0  2017-10-29 23:06:28  {'hashtags': [{'text': 'OPEC', 'indices': [0, ...
  1  2017-10-29 22:28:20  {'hashtags': [{'text': 'Iraq', 'indices': [21,...
  2  2017-10-29 20:01:37  {'hashtags': [{'text': 'oil', 'indices': [58, ...
  3  2017-10-29 20:00:14  {'hashtags': [{'text': 'oil', 'indices': [38, ...
  4  2017-10-27 08:44:30  {'hashtags': [{'text': 'Iran', 'indices': [19,...
  5  2017-10-27 08:44:10  {'hashtags': [{'text': 'Oil', 'indices': [17, ...
  6  2017-10-27 08:43:13  {'hashtags': [{'text': 'Oil', 'indices': [0, 4...
  7  2017-10-27 08:43:00    {'hashtags': [{'text': 'Iran', 'indices': [19,.
  

  您可以按如下方式使用groupby(..).count()来获得您想要的内容：

  In [4]: df[["created_at"]].groupby(pd.to_datetime(df["created_at"]).dt.date).count().rename(columns={"created_at":"number_of_entities"}).reset_index()
      ...: 
  Out[4]: 
     created_at  number_of_entities
  0  2017-10-27                   4
  1  2017-10-29                   4
  

  Notice that:

  如果 created_at 列已经采用日期时间格式，则只需使用以下内容：

  df[["created_at"]].groupby(df.created_at.dt.date).count().rename(columns={"created_at":"number_of_entities"}).reset_index()
  

  回复于 2024-05-10T06:18:01+08:00
• 2

  您可以使用 df.groupby(df.created_at.dt.day) 按天分组 .

  至于计算计数的函数，为此我们需要一个完整的行，你的数据结构看起来很奇怪 .

  回复于 2024-05-10T06:18:01+08:00