2
私はcsvを読み込んだ結果のデータフレームを持っています。これには、日付時刻の列とイベントに関連するデータが含まれています。私は平均的な日を20分ごとの統計データで計算する必要があります。下のコードでは、「平均」を例として使用しています。平均日数を得るためにパンダグループが
編集: 私のデータは観測値です。つまり、すべてのビンにデータが入っているわけではありません。平均値を計算する際には、このゼロカウントを考慮する必要があります。平均=カウント/#日
このコードは機能しますが、これは方法ですか?それは私には複雑に見えます。私は本当に私たちにBinIDが必要であり、時間によってグループ化することができないのだろうかと思います。
import pandas as pd
# Create dataframe
data = {'date': pd.date_range('2017-01-01 00:30:00', freq='10min', periods=282),
'i/o': ['in', 'out'] * 141}
df = pd.DataFrame(data)
# Add ones
df['move'] = 1
# I did try:
# 1)
# df['time'] = df['date'].dt.time
# df.groupby(['i/o', pd.Grouper(key='time', freq='20min')])
# This failed with groupby, so should I use my own bins then???
# 2)
# Create 20 minutes bins
# df['binID'] = df['date'].dt.hour*3 + df['date'].dt.minute//20
# averageDay = df.groupby(['i/o', 'binID']).agg(['count', 'sum', 'mean'])
#
# Well, bins with zero moves aren't their.
# So 'mean' can't be used as well as other functions that
# need the number of observations. Resample and reindex then???
# Resample
df2 = df.groupby(['i/o', pd.Grouper(key='date', freq='20min')]).agg('sum')
# Reindex and reset (for binID and groupby)
levels = [['in', 'out'],
pd.date_range('2017-01-01 00:00:00', freq='20min', periods=144)]
newIndex = pd.MultiIndex.from_product(levels, names=['i/o', 'date'])
df2 = df2.reindex(newIndex, fill_value=0).reset_index()
# Create 20 minutes bins
df2['binID'] = df2['date'].dt.hour*3 + df2['date'].dt.minute//20
# Average day
averageDay2 = df2.groupby(['i/o', 'binID']).agg(['count', 'sum', 'mean'])
print(averageDay2)
私は十分に明確ではなかったと仮定。私のデータは観測値です。つまり、すべてのビンにデータが入っているわけではありません。しかし、このゼロカウントは、平均値を計算する際に考慮する必要があります。平均=カウント/#日 – EdGO