用熊猫重新采样

Question

我有一个类似于以下文件的数据集

2013-05-30 06:00:41    173.199.116.171

2013-05-30 06:05:41    61.245.172.14

2013-05-30 06:10:42    74.86.158.106

2013-05-30 06:20:42    61.245.172.14

我想对其进行20分钟的重新采样，并获取某个20分钟时隙的点击计数（例如，介于（06.00.00-06.20.00或06.40.00-07.00.00等之间）。我可以打印点击计数整个数据文件如下。

ips = df.groupby('IP').size()

如何获得每20分钟广告位的点击计数？下面的代码仅显示“ 06:00:00”和“ 06:20:00”之间的所有IP。

df_s = df['IP'].resample('20t', how='count')

print df['IP'].between_time('06:00:00', '06:20:00')

Answer 1

这是0.11.1（即将推出）中提供的一种新方法，提供了组过滤机制，谢谢@DanAllenIn [49]: dfOut[49]:                                   ipdate_time                           2013-05-30 06:00:41  173.199.116.1712013-05-30 06:05:41    61.245.172.142013-05-30 06:10:42    74.86.158.1062013-05-30 06:20:42    61.245.172.14In [50]: df.groupby(pd.TimeGrouper('20min')).filter(lambda x: x.between_time('06:00:00', '06:20:00'))Out[50]:                                   ipdate_time                           2013-05-30 06:00:41  173.199.116.1712013-05-30 06:05:41    61.245.172.142013-05-30 06:10:42    74.86.158.106

Answer 2

第一个计算每个20分钟时段的所有行In [11]: df1.IP.resample('20t', how='count')  # I usually prefer '20min'Out[11]:datetime2013-05-30 06:00:00    32013-05-30 06:20:00    1dtype: int64第二个在某些时间之间获取这些行：In [12]: df1.IP.between_time('06:00:00', '06:20:00')Out[12]:datetime2013-05-30 06:00:41    173.199.116.1712013-05-30 06:05:41      61.245.172.142013-05-30 06:10:42      74.86.158.106Name: IP, dtype: object有可能是一个很好地解决了一般问题（所以你不需要指定的时间）使用TimeGrouper，但是这是我能做到的，打印所有分组的最好的：In [13]: tg = pd.TimeGrouper('20t')In [14]: g = df1.groupby(tg)In [15]: def f(x):             print x             return xIn [16]: _ = g.apply(f)                # the '_ =' bit just suppresses ouput                                  IPdatetime2013-05-30 06:00:41  173.199.116.1712013-05-30 06:05:41    61.245.172.142013-05-30 06:10:42    74.86.158.106                                IPdatetime2013-05-30 06:20:42  61.245.172.14