如何使用Pandas群比与一个时间段，并找到平均数在同一时间段内多年

Question

我到处找了，但还没有找到一个好办法。我有一个熊猫数据框和我自己的短信数据。它有“utctime”、“sender”、“recipient”和“message”列。我想做的是将其按任意的分钟时间段（例如10或20分钟）进行分组，然后在多年内查看我在一天中每个时间段发送的消息量。你知道吗

数据的前几行看起来是这样的，这又延续了2年：

                        utctime  sender   recipient     message
0 2016-11-25 18:00:25.877000+00:00  Person1  Me            message1
1 2016-11-25 18:50:58.694000+00:00  Person2  Me            message2
2 2016-11-25 18:54:41.871000+00:00  Me       Person2       message3
3 2016-11-25 18:54:58.583000+00:00  Person2  Me            message4
4 2016-11-25 19:01:19.694000+00:00  Me       Person2       message5

什么是最好的方法，这样我就可以看到我自己的短信频率在20分钟的增量从00:00到23:40？你知道吗

到目前为止，我所做的是有另一个功能将时间压缩为一天：

def time_of_day(data, tz_info):
    utctime = data.utctime.dt.tz_convert(tz_info)
    data['timeofday'] = pd.to_datetime({'year': 2017,
                                        'month': 1,
                                        'day': 1,
                                        'hour': utctime.dt.hour,
                                        'minute': utctime.dt.minute,
                                        'second': utctime.dt.second})

    return data

然后我使用一个定制的石斑鱼对其进行分组：

sf = pytz.timezone('US/Pacific')
timedelta = '10min'
grouper = pd.Grouper(key='timeofday', freq=timedelta)
data = time_of_day(data, sf) # data is returned in time of day for tz

freq = data.groupby(grouper).count()

有没有更好的办法？你知道吗

Answer 1

IIUC，您需要从“utctime”中提取小时和分钟，将分钟分类到bins，并对count消息的小时和分钟执行groupby：

df['Hour'] = pd.to_datetime(df['utctime']).dt.hour
df['Minute'] = pd.to_datetime(df['utctime']).dt.minute

df['minute_bins'] = pd.cut(df['Minute'], bins=(-0.01,20,40,60), labels=('0 < 20', '20 < 40', '40 < 60'))

df.groupby(['Hour', 'minute_bins'])['message'].count()

print(df)

Hour  minute_bins
18    0 < 20         1
      40 < 60        3
19    0 < 20         1