的使用熊猫

每星期行动平均数假设我有每小时事件次数的计数如下：的使用熊猫

np.random.seed(42) 
idx = pd.date_range('2017-01-01', '2017-01-14', freq='1H') 
df = pd.DataFrame(np.random.choice([1,2,3,4,5,6], size=idx.shape[0]), index=idx, columns=['count']) 
df.head() 

Out[3]: 
        count 
2017-01-01 00:00:00  4 
2017-01-01 01:00:00  5 
2017-01-01 02:00:00  3 
2017-01-01 03:00:00  5 
2017-01-01 04:00:00  5

如果我想知道总数的每天活动本周，我能做之一：

df.pivot_table(values='count', index=df.index.dayofweek, aggfunc='sum')

或

df.groupby(df.index.dayofweek).sum()

个这两个收益率：

但是，如果我想计算平均每工作日事件，以下

df.pivot_table(values='count', index=df.index.dayofweek, aggfunc='mean') # [#1]

是错误！此方法使用总和（如上面计算的），并将其除以一周中每天出现的小时数。

我找到的解决方法是：

df_by_day = df.resample('1d').sum() 
df_by_day.pivot_table(values='count', index=df_by_day.index.dayofweek, aggfunc='mean')

也就是说，第一重采样到几天，然后转动它。不知怎的，[#1]的方法对我来说很自然。是否有更多的pythonic方式来实现我想要的？为什么没有重新采样均值是错误地计算的？

来源

2017-08-28 Dror

你仍然需要''resample' df_by_day.groupby（df_by_day.index.dayofweek） '计数']的意思是（）' – Wen

@Wen增加你的答案为社区维基（这意味着我没有得到它的任何代表）。如果您决定发布答案，我会将其删除。 –

@cᴏʟᴅsᴘᴇᴇᴅ伙计，这是好的〜我在这里帮忙，并得到了帮助，而不是为了〜:-) – Wen

Resample first using df.resample and then df.groupby：

df = df.resample('1d').sum() 
print(df) 

      count 
2017-01-01  92 
2017-01-02  86 
2017-01-03  86 
2017-01-04  90 
2017-01-05  64 
2017-01-06  82 
2017-01-07  97 
2017-01-08  80 
2017-01-09  75 
2017-01-10  84 
2017-01-11  74 
2017-01-12  69 
2017-01-13  87 
2017-01-14  1 

out = df.groupby(df.index.dayofweek)['count'].mean() 
print(out) 

1 85.0 
2 82.0 
3 66.5 
4 84.5 
5 49.0 
6 86.0 
Name: count, dtype: float64

来源

2017-08-28 15:35:58

回答

相关问题