在Pandas身上研究枣子

Question

我已经收集了几天的Twitter数据，除此之外，我还需要分析内容是如何传播的。当用户对内容感兴趣时，我创建了一个时间戳列表，并将twitter时间戳导入pandas df中，列名为“timestamps”。看起来像这样：

0     Sat Dec 14 05:13:28 +0000 2013
1     Sat Dec 14 05:21:12 +0000 2013
2     Sat Dec 14 05:23:10 +0000 2013
3     Sat Dec 14 05:27:54 +0000 2013
4     Sat Dec 14 05:37:43 +0000 2013
5     Sat Dec 14 05:39:38 +0000 2013
6     Sat Dec 14 05:41:39 +0000 2013
7     Sat Dec 14 05:43:46 +0000 2013
8     Sat Dec 14 05:44:50 +0000 2013
9     Sat Dec 14 05:47:33 +0000 2013
10    Sat Dec 14 05:49:29 +0000 2013
11    Sat Dec 14 05:55:03 +0000 2013
12    Sat Dec 14 05:59:09 +0000 2013
13    Sat Dec 14 05:59:45 +0000 2013
14    Sat Dec 14 06:17:19 +0000 2013

等等，我想做的是每10分钟抽样一次，然后统计每个时间段内有多少用户对内容感兴趣。我的问题是我不知道如何处理从Twitter导入的时间戳。我应该使用正则表达式还是有更好的方法？如果有人能提供一些建议，我将不胜感激。谢谢！在

Answer 1

这是ISO日期格式，可以用pd.to_datetime轻松转换为datetime：

>>> df[:2]
                        timestamp
0  Sat Dec 14 05:13:28 +0000 2013
1  Sat Dec 14 05:21:12 +0000 2013

>>> df['timestamp'] = pd.to_datetime(df['timestamp'])
>>> df[:2]
              timestamp
0   2013-12-14 05:13:28
1   2013-12-14 05:21:12

要重新采样，可以将其设为索引，然后使用resample

^{pr2}$