用熊猫每日频率计数

Question

As in this question我已经问过了，我正在尝试这个时间来做同样的计数，但每天都有。所以我想这段时间到做一个星期一的较低值设定的次数，星期二的几次等等，并计算一周中第7天的总计数为天值列表如下：

2013.01.01,00：00,1.31802

2013.01.02,00：00,1.32038

2013.01.03,00：00,1.31859

2013.01.04,00：00,1.30508

等

目前我使用的是熊猫这个，那我用来做一个小时数是一段代码：

df = pd.read_csv(myPath, sep=',', header=None, parse_dates=[[0, 1]]) 
df.columns = ["date","value"] 
df.set_index("date", inplace=True) 
day_min = df.resample('D', how='min') 
df['is_day_min'] = day_min.lookup(df.index.normalize(), len(df) * ['value'])==df.value 
df.is_day_min.resample('H', np.sum).fillna(0).astype(int)  
df.groupby(df.index.time)["is_day_max"].sum().to_csv("C:\\2013frequency_min.csv") 

但是，当涉及到分析日常DATAS如果我改变重采样在day_min（第4行）为“W”，在第6行为“D”，则会出现以下错误：KeyError：Timestamp（'2013-01-01 00:00:00'，tz = None）

Can有人帮忙吗？我相信这很简单，但熊猫文档不帮助我。 即使任何人有一个不使用熊猫的解决方案显示给我。如果它有效，那就没关系。 感谢

Answer 1

您可以使用TimeGrouper，按周（看看值是否等于一周的分钟），然后通过天重新取样：

In [11]: week = df.groupby(pd.TimeGrouper('W')) 

In [12]: is_week_min = week['value'].apply(lambda x: x == x.min()).astype(int) # possibly the astype is not needed in 0.13 

In [13]: is_week_min.resample('D', how='sum') # count occurences in the day which are week min 
Out[13]: 
2013-01-01 0 
2013-01-02 0 
2013-01-03 0 
2013-01-04 1 
Freq: D, dtype: int64 

如果你想这个栏目，因为每个星期几，你可以内申请做GROUPBY：

In [14]: week['value'].apply(lambda x: ((x == x.min()).astype(int).groupby(x.index.dayofweek)).sum()).unstack(1) 
Out[14]: 
      1 2 3 4 
2013-01-06 0 0 0 1 

注：该指标是周末。

，并与您提供的引擎收录链接：

In [21]: df = pd.read_csv('http://pastebin.com/raw.php?i=SuyWZLj5', header=None, parse_dates=[[0, 1]]) 
     df.columns = ['date', 'value'] 
     df.set_index('date', inplace=True) 

In [22]: df.groupby(pd.TimeGrouper('W')).value.apply(lambda x: ((x == x.min()).astype(int).groupby(x.index.dayofweek)).sum()).unstack(1) 
Out[22]: 
      0 1 2 3 4 
2013-01-06 NaN 0 0 0 1 
2013-01-13 0 0 0 1 0 
2013-01-20 0 0 0 1 0 
2013-01-27 1 0 0 0 0 
2013-02-03 0 1 0 0 0 
2013-02-10 0 0 0 0 1 
2013-02-17 0 0 0 0 1 
2013-02-24 0 0 0 0 1 
2013-03-03 0 0 1 0 NaN