Python pandas，在数据帧中按日期聚合值
Python pandas是一个开源的数据分析和数据处理工具，它提供了高效、灵活的数据结构和数据分析功能，特别适用于处理结构化数据。
在数据帧中按日期聚合值，可以使用pandas的日期时间索引和聚合函数来实现。具体步骤如下：
- 导入pandas库：
import pandas as pd- 创建数据帧：
df = pd.DataFrame({'日期': ['2022-01-01', '2022-01-01', '2022-01-02', '2022-01-02'],
'数值': [1, 2, 3, 4]})- 将日期列转换为日期时间类型：
df['日期'] = pd.to_datetime(df['日期'])- 设置日期列为数据帧的索引：
df.set_index('日期', inplace=True)- 按日期进行聚合计算：
df_aggregated = df.resample('D').sum()上述代码中，resample('D')表示按天进行聚合，sum()表示对每天的数值进行求和。
聚合后的结果将会是一个新的数据帧df_aggregated，其中每一行代表一个日期，对应的数值为该日期下所有数值的聚合结果。
Python pandas的优势包括：
- 灵活的数据结构：pandas提供了Series和DataFrame两种数据结构，能够方便地处理不同类型的数据。
- 强大的数据处理功能：pandas提供了丰富的数据处理函数和方法，能够进行数据清洗、转换、合并、分组、聚合等操作。
- 高效的性能：pandas基于NumPy实现，能够高效地处理大规模数据。
- 丰富的可视化功能：pandas结合了Matplotlib库，能够进行数据可视化和绘图。
Python pandas在数据分析、数据处理、数据清洗、数据可视化等领域有广泛的应用场景，包括但不限于：
- 金融行业：用于股票数据分析、投资组合管理、风险控制等。
- 市场营销：用于用户行为分析、市场趋势预测、推荐系统等。
- 社交媒体分析：用于用户评论情感分析、话题挖掘、社交网络分析等。
- 科学研究：用于实验数据分析、统计建模、科学计算等。
推荐的腾讯云相关产品和产品介绍链接地址如下：
- 腾讯云数据库（TencentDB）：https://cloud.tencent.com/product/cdb
- 腾讯云数据万象（COS）：https://cloud.tencent.com/product/cos
- 腾讯云人工智能（AI）：https://cloud.tencent.com/product/ai
- 腾讯云物联网（IoT）：https://cloud.tencent.com/product/iotexplorer
- 腾讯云移动开发（移动推送）：https://cloud.tencent.com/product/umeng
- 腾讯云存储（CFS）：https://cloud.tencent.com/product/cfs
- 腾讯云区块链（BCS）：https://cloud.tencent.com/product/bcs
- 腾讯云元宇宙（Tencent Real-Time Render）：https://cloud.tencent.com/product/trr
相关·内容
如何转换以下输入数据(从Excel文件输入的Pandas数据帧)：
ID Category Speaker Price
334014 Real Estate Perspectives Tom Smith 100
334014 E&E Tom Smith 200
334014 Real Estate Perspectives Janet Brown 100
334014 E&E Janet Brown
浏览 0提问于2018-08-01得票数 2
Pandas DataFrame包含名为"date"的列，该列包含非唯一的datetime值。我可以使用以下命令对此帧中的线条进行分组：
data.groupby(data['date'])
但是，这将按datetime值拆分数据。我想按“日期”列中存储的年份对这些数据进行分组。展示了如何在将时间戳用作索引的情况下按年分组，但在我的例子中并非如此。
如何实现此分组？
浏览 1提问于2012-07-09得票数 94
回答已采纳
我有一个有很多列的Pandas数据框，其中之一是“电影标题”，我想找到出现在最多行的前5个电影标题，并将它们按降序排列。
例如：
movie title
Title 1
Title 2
Title 2
Title 3
Title 3
Title 3
应该变成：
movie title count
Title 3 3
Title 2 2
Title 1 1
它可以在同一数据帧中，也可以在新的数据帧中。我可能错过了一个简单的解决方案，因为我对Pandas非常陌生。谢谢你的帮忙!
浏览 0提问于2016-04-02得票数 1
我使用Pandas向数据帧输入了一个CSV文件，并希望计算其中列的日平均值。有两个列不会被平均化，时间和日期(日期是数据分组的日期)。然后，我希望在该日期的最后一行下面插入一行，在date列中插入“Average”( time列中没有任何内容)，然后在正确的列中插入相应的平均值。我只使用了Pandas一段时间，所以我不知道最简单的方法是什么。任何帮助都将不胜感激。
浏览 12提问于2022-06-17得票数 0
我有一个特定id的开始日期和结束日期(df_with_start_end)，我尝试从另一个数据帧(df_dates)中找出具有相同id的其他日期在它们之间。应在新列中输入结果。
我的想法是使用唯一的ID迭代数据帧df_with_start_end，对于每个ID，我尝试分析在df_with_start_end的开始日期和结束日期内是否有来自df_dates的任何其他日期。
我的实现是这样的，但它不是这样工作的。
for k in df_with_start_end['ID']:
df_with_start_end[k]['FREE_PERIOD'] = d
浏览 22提问于2017-03-14得票数 0
2回答
如下图所示，我想按字母顺序按Type对聊天进行排序。但是，我不希望打乱每个Chat name中[Date , User_id]的顺序。在输入数据帧位于左侧的情况下，我该如何操作？(在python中使用Pandas )
浏览 1提问于2018-10-24得票数 2
我正在尝试理解如何使用pandas在python中编辑数据帧，这样我就可以删除除年份之外的所有内容。
例如:如果日期是2014-01-01，我希望它显示2014并同时删除月份和日期。所有日期都在一列中。
谢谢你的建议！
浏览 4提问于2020-03-16得票数 0
我使用的是Python 3.7
我需要从两个不同的源(都是csv)加载数据，并确定一个源中的哪些行不在第二个源中。
我使用pandas数据帧加载数据，并在两个数据源之间进行比较。
我从csv文件中加载了数据，在data-frame列中，类似2010392的值变成了2010392.0。
我读过很多关于格式化数据帧列的文章；不幸的是，大多数都是关于日期和时间转换的。
我在上偶然看到一篇文章《在Python pandas中格式化整数列数据框》，这篇文章并没有解决我的问题
基于上面提到的文章，我尝试了以下几种方法：
pd.to_numeric(data02['IDDLECT'], do
浏览 30提问于2019-07-09得票数 0
回答已采纳
2回答
我正在查询我的数据库以显示上周的记录。然后，我将聚合数据并将其在python和pandas中转置为DataFrame。在此表中，我试图显示过去7周内每天都发生了什么，但是，在某些日子里没有发生任何事件。在这些情况下，日期完全丢失。我正在寻找一种方法来附加不存在的日期(但在查询中指定的日期范围的一部分)，这样我就可以为其他缺少的列填充任何我想要的值。
在一些试验中，我将数据集放入pandas Dataframe中，其中日期是索引，而在另一些试验中，日期是列。我希望有最好的日期作为顶级索引-所以按名称分组，栈购买和send_back和日期是‘列’。
下面是一个示例，展示了数据帧现在的外观以及我正在
浏览 3提问于2016-08-28得票数 0
我需要使用Pandas/ Pandas -gbq在Python语言中创建一个简单的ETL管道，每天将给定日期范围内的数据从BigQuery读取到Pandas数据帧中，并根据查询结果创建单独的日表(写回BigQuery)。
尽管可能有更好、更有效的方法(注意:我不是软件工程师)，但我目前正在研究BigQuery中的来参数化日期列，并在Python中的for循环中迭代这一过程。
有人知道pandas-gbq目前是否支持参数化查询吗？提前谢谢。
浏览 2提问于2019-12-17得票数 2
1回答
我有一个以时间戳为索引的pandas数据帧：
我希望将其转换为具有每日值的数据帧，但不必对原始数据帧进行重新采样(对于每小时的数据求和或平均，为否)。理想情况下，我希望以向量的形式获得每天的24个日期值，例如：
有没有什么方法可以快速做到这一点呢？
谢谢!
浏览 6提问于2017-02-08得票数 0
回答已采纳
我的名字是Nick，我是编程新手。我最近完成了Codeacademy的使用Python分析金融数据的课程。我已经开始做我自己的一些项目，但我遇到了一个障碍。 我正在使用pandas-datareader从美联储API (FRED)导入股指每日收盘价数据： import numpy as np
import pandas as pd
import pandas_datareader.data as web
import matplotlib.pyplot as plt
from datetime import datetime
start = datetime(2020, 1, 1)
sp
浏览 18提问于2020-04-21得票数 0
回答已采纳
1回答
我相信在使用Dask数据帧时，我在Dask教程中看到了一个关于如何使用Dask框架中尚未实现的Pandas函数的建议，但我似乎看错了地方。例如，我想使用Pandas函数'ewm‘。 作为一种变通方法，我将Dask数据帧转换为Pandas数据帧，在Pandas数据帧上运行ewm，然后将它们转换回Dask，以便以后进行更多内存密集型操作。效率不是最高的。 有没有更好的策略呢？
浏览 10提问于2019-06-02得票数 1
回答已采纳
1回答
我有两个不同长度的数据帧，它们都是按日期索引的。我需要两个数据帧有相同的日期，即。删除最长数据帧中的多余条目。
我发现我可以重置索引，使其成为另一个列，然后将该列称为pandas数据系列，并与其他数据系列进行比较，从而得到一个pandas系列，其中也包含较短数据帧中的条目：
df1 = ...
df2 = ...
dfadj = df1.reset_index(['Date'])
dfstock = dfadj['Date'][dfadj['Date'].isin(dfindex['Date'])]
但是，我需要从这些值中找到索引
浏览 0提问于2016-10-19得票数 2
回答已采纳
1回答
有时，数据不是我们希望的格式。Python提供了处理这种情况的方法(例如int()和str())，但是数据帧的解决方案并不简单。
例如，让我们生成一个包含5个日期时间观测值的数据帧：
import pandas
from datetime import datetime
datelist = pd.date_range(datetime.today(), periods=5).tolist()
df = pd.DataFrame (datelist, columns = ['A'])
我们的目标是将此日期时间数据转换为日期格式。
首先，我们可以尝试
df['
浏览 3提问于2021-02-24得票数 0
使用Python3和Anaconda，我在ipython上导入了pandas和os。我有一个非常大的csv文件。在对文件使用read_csv之后，我尝试对两列使用.groupby()，但它将数据类型从DataFrame更改为DataFrameGroupBy，并且我不能再对其运行数据框方法。 我想不出任何可以尝试的东西。我对熊猫的经验很少，通过codecademy获得的。我的代码似乎可以在那里工作。 import os
import pandas as pd
totals = pd.read_csv('filename')
band_gaps = totals.groupb
浏览 19提问于2019-06-21得票数 0
回答已采纳
Python中的示例数据帧： d = {'col1': ["a", "a", "a", "b", "b", "b", "c", "c", "c"],
'col2': [3, 4, 5, 1, 3, 9, 5, 7, 23]}
df = pd.DataFrame(data=d) 现在，我想用Python和pandas得到相同的输出，就像我用下面的代码在R中得到的一样。因此，我希望在col2中按组获得col1中
浏览 10提问于2020-03-27得票数 1
回答已采纳
1回答
我正在尝试绘制一些pandas数据帧列的计数，按日期分组：
by_date = data.groupby(data.index.day).count()
数据是正确的，但是我指定的data.index.day不适合绘图：
有没有一种方法可以指定我想按Python Date对象分组，或者我这样做是完全错误的？
更新: Dan Allan的resample建议起作用了，但现在xtick是不可读的。我应该单独提取它们吗？
浏览 1提问于2013-05-03得票数 2
回答已采纳
我正在使用Python 2.7和Pandas 0.19.2
我已经看过这个问题的一些类似的问题/答案，但仍然无法解决。
我有以下数据帧：
Date name objects
0 2005-11-17 Pete 6
1 2014-02-04 Rob 3
2 2012-02-13 Rob 2
3 2004-12-16 Julia 4
4 2012-02-13 Mike 9
我想重塑它
浏览 13提问于2017-03-06得票数 3
回答已采纳
1回答
我正在尝试将一些pandas代码转换为Deedle和C#。 首先，数据帧是，因为它是按日期编制索引的。 Frame.FromRecords(fetchOhlcVsResults).IndexRows<DateTime>("datetime").SortRowsByKey() 接下来，我成功地在框架中添加了其他几个计算列。我被困在翻译的部分是来自pandas的这段代码： tr = df[['high-low', 'high-pc', 'low-pc']].max(axis=1) 它只取三列中的最大值。这是我尝试过的：
浏览 17提问于2021-11-15得票数 0
回答已采纳
我正在使用某个列名将一些数据分组在一起，并对所有值求和。
import pandas as pd
import numpy as np
data = pd.read_excel('Data_Cleaning.xlsx', sheetname='Expenses reclassification')
data.columns = data.iloc[1,:]
data = data.drop([0,1,2,3,4,5])
data = data.set_index('ALL NUMBERS EXPRESSED IN SGD')
data = da
浏览 3提问于2019-08-21得票数 1
1回答
我遇到了这样一种情况:我正在尝试根据几个标准对大型数据集中的值进行求和。
我已经设法通过使用带有另一个脚本的嵌套循环实现了这一点，但我希望使用Pandas可能会更容易。
我的数据集是这样的。
date regionNo sales
2020-04-15 1 2
2020-04-14 1 3
2020-04-15 2 3
2020-04-14 2 1
我想要添加一个列，用于指示某个地区在该特定日期的累计销售额。
条件语句应该类似于：
salesSum = sum(['sa
浏览 8提问于2020-05-26得票数 0
我有一个时间序列数据帧，并希望找到每个记录中的日期与该数据帧中的最后(最大)日期之间的差异。但是获取错误- TypeError：-：'DatetimeIndex‘和'SeriesGroupBy’的不受支持的操作数类型。从错误中可以看出，数据帧不属于允许进行这些操作的“正确”类型。如何避免这种情况，或者可能将数据转换成某种其他格式，以便能够执行操作。下面是再现错误的示例代码
import pandas as pd
df = pd.DataFrame([[54.7,36.3,'2010-07-20'],[54.7,36.3,'2010-07-21'
浏览 1提问于2019-11-19得票数 0
回答已采纳
1回答
我有一个数据集，其中有状态和城市，现在状态有多个城市，我想按状态对它们进行分组，并将输出转换为JSON
数据帧
City State
0 A foo
1 B bar
2 D foo
3 C moo
4 E foo
5 F bar
我是这样做的：
df = data[["City","State"]]
df.groupby("State")
但我得到以下信息
<pandas.core.groupby.generic.Da
浏览 0提问于2020-06-05得票数 0
回答已采纳
2回答
在R中，我可以这样做：
myvec <- seq(from = 5, to = 10)^2
mydf <- data.frame(matrix(data = myvec, ncol = 3,byrow = TRUE))
> mydf
X1 X2 X3
1 25 36 49
2 64 81 100
请注意，我可以通过传入ncol参数来指定数据帧的形状。然后，我可以按行或按列(在本例中是按行)填充它。
如果我用Python/Pandas复制这段代码，那么创建序列就足够简单了：
myData = [x**2 for x in range(5,11) ]
然而，如何轻松地制
浏览 3提问于2017-08-03得票数 13
回答已采纳
1回答
在我的应用程序中，我使用groupby对dask数据帧执行聚合，并按某个id排序。
但是，我希望聚合保持分区划分，因为我打算执行与其他相同分区的数据帧的连接。
import pandas as pd
import numpy as np
import dask.dataframe as dd
df =pd.DataFrame(np.arange(16), columns=['my_data'])
df.index.name = 'my_id'
ddf = dd.from_pandas(df, npartitions=4)
ddf.npartitions
#
浏览 0提问于2018-02-17得票数 4
我需要按日期对Pandas数据帧进行分组，然后取给定值的加权平均值。下面是当前是如何使用边距值作为示例的(在有NaN值之前，它可以很好地工作)：
df = orders.copy()
# Create new columns as required
df['margin_WA'] = df['net_margin'].astype(float) # original data as str or Decimal
def group_wa():
return lambda num: np.average(num, weights=df.lo
浏览 0提问于2017-03-27得票数 1
1回答
我正在尝试编写一些代码，使我能够在数据帧的一组行上计算一些操作。在PySpark中，这可以通过定义类型为GROUPED_MAP的Pandas UDF来实现。然而，在Scala中，我只找到了一种创建自定义聚合器(UDAF)或传统UDF的方法。
我的临时解决方案是生成一个关键字列表，该列表将对我的组进行编码，这将允许我过滤数据帧并对数据帧的每个子集执行操作。然而，这种方法并不是最优的，而且速度非常慢。执行的操作是按顺序进行的，因此需要花费大量时间。我可以并行化循环，但我相信这会显示出任何改进，因为Spark已经发布了。
有没有更好的方法来做我想做的事？
编辑:尝试使用Futures并行化，但速度没
浏览 2提问于2020-04-08得票数 2
我想从系列中构建一个矩阵，但在此之前，我必须对这些系列进行重新采样。但是，为了避免使用replace(np.nan, 0.0)两次处理整个矩阵，我希望将数据帧附加到收集数据帧，然后在一次遍历中删除NaN值。
因此，不是
user_activities = user.groupby(["DOC_ACC_DT", "DOC_ACTV_CD"]).agg("sum")["SUM_DOC_CNT"].unstack().resample("1D").replace(np.nan, 0)
df = df.append(use
浏览 5提问于2016-09-14得票数 12
回答已采纳
我正在尝试计算每个date字段的和，但是我只想计算当前和下一个date中的ID之和，所以先对ID进行rolling比较，然后再计算groupby和。目前，我必须循环遍历数据帧，这非常慢。 例如，我的df： df = pd.DataFrame({
'Date': [1, 1, 1, 1, 2, 2, 2, 3, 3, 3, 3, 4, 4, 4, 4],
'ID': [ 1, 2, 3, 4 , 2, 3, 4 , 2, 3, 4, 5, 1, 2, 3, 4],
'Value': [1, 2, 3, 4, 5, 6, 7, 8
浏览 12提问于2021-10-06得票数 1
回答已采纳
5回答
我有两个数据帧，它们都有相同的基本模式。(4个日期字段、几个字符串字段和4-5个浮点型字段)。叫它们df1和df2。
我想要做的基本上是得到两个数据帧的“不同”--在这里我得到所有没有在两个数据帧之间共享的行(不是在集合交集中)。请注意，这两个数据帧的长度不必相同。
我尝试使用pandas.merge(how='outer')，但我不确定要传递哪个列作为“键”，因为确实没有键，而且我尝试的各种组合都不起作用。df1或df2可能有两行(或更多行)相同。
在pandas/Python中做这件事的好方法是什么？
浏览 0提问于2017-11-06得票数 7
2回答
我是Python和Pandas的新手，但我有一个包含多个列的CSV文件，我已经将其读入到一个数据帧中。我想画一张数据和y=‘x=Index’的散点图。其中索引是数据帧的索引，是日期。谢谢堆，杰森
浏览 0提问于2012-12-18得票数 8
回答已采纳
4回答
按月累加行的R值
、、、、
所以我有一个数据框架，它有一个日期列，一个小时列和一系列其他数字列。数据帧中的每一行是一整年每天1小时的时间。
数据框架如下所示：
Date Hour Melbourne Southern Flagstaff
1 2009-05-01 0 0 5 17
2 2009-05-01 2 0 2 1
3 2009-05-01 1 0 11 0
4 2009-05-01 3
浏览 8提问于2015-05-30得票数 14
回答已采纳
我有一个用dd.read_csv("./*/file.csv")创建的dataframe，其中* glob是每个日期的一个文件夹。例如，在级联的数据帧中，我想过滤掉时间子集，比如我将如何使用pd.between_time("09:30", "16:00")。
因为Dask对索引的内部表示没有Pandas的DateTimeIndex那样好的特性，所以我已经成功地过滤了我通常在Pandas中的表现。除非求助于一个简单的映射函数/循环，否则我无法让它在Dask中工作。
由于分区是按日期划分的，也许可以通过转换为Pandas dataframe然后返回到
浏览 6提问于2020-06-18得票数 3
我有以下问题：
我希望完全独立地测试每个测试用例的复杂业务逻辑，即所有测试都应该并行运行。我不希望对客户#43的测试依赖于客户#1到#42之间的传递，也不想将它们注释掉。
我想测试一下，我不会意外地搞乱聚合函数
然而，这两者似乎在哲学上存在分歧。考虑下面的示例(在Python/Pandas中)。以我为例。在本例中，只有当一次测试超过一个客户时，groupby("A")才会产生实际影响。所以从本质上说，我可以让业务逻辑在测试时代表所有客户，但却“默默地”失败了，因为它实际上并没有按它应该的方式分组。
我的选择似乎是
在单个测试中运行整个数据帧，并以串行方式断言，或
并行运行测试，
浏览 0提问于2022-05-03得票数 0
我对python还不熟悉，我不知道为什么会出现这样的错误: ValueError:与Series不兼容的索引器。
我正试图在我的数据框架中添加一个日期。
我想补充的日期是：
date = (chec[(chec['Día_Sem']=='Thursday') & (chec['ID']==2011957)]['Entrada'])
date
日期输出：
56 1900-01-01 07:34:00
Name: Entrada, dtype: datetime64[ns]
然后，我尝试使用loc将“日期”添加到数据帧中：
浏览 48提问于2022-02-22得票数 0
1回答
我有一个按两列分组的数据帧。现在我想画出日期与海运确认日期的数据。有没有好的方法去做。 grouped_series = cases.groupby(['Country/Region','ObservationDate'])['Confirmed','Deaths','Recovered'].sum()
print(grouped_series)
浏览 21提问于2020-03-29得票数 0
1回答
对于下面的数据帧
df=spark.createDataFrame(data=[('Alice',4.300),('Bob',7.677)],schema=['name','High'])
当我试图找到最小和最大值时，我只能在输出中得到最小值。
df.agg({'High':'max','High':'min'}).show()
+-----------+
|min(High) |
+-----------+
| 2094900|
+-----------+
浏览 1提问于2017-06-06得票数 11
回答已采纳
1回答
基于Spark结构化流的流标准化
、、、、
使用对流数据执行groupBys和聚合是相对直接的。
例如，我有一个流数据帧，IOT遥测数据的df。我将其按systemId和systemState分组，并执行聚合来回答如下问题：“对于状态z中的系统y，测量x的平均偏差和立场偏差是多少？”这个答案再次以流数据帧的形式出现--称为usualDF。
我想考虑以下几点：“我看到系统y处于z状态，度量x有值v，是高还是低？”
为了回答这个问题，我想使用usualDF来标准化df。类似的愿望在中被表达并被认为是“不可能的”。我已经用Pandas自己在Python中实现了流标准化，我知道是可能的，--只是在Spark中还没有开箱即用的功能。
一个很好的第
浏览 0提问于2018-09-27得票数 2
1回答
我的数据集是巨大的。我正在使用Azure ML notebooks，并使用azureml.core读取日期集并转换为azureml.data.tabular_dataset.TabularDataset。无论如何，我会过滤tabularDataset中的数据，而不是转换为pandas数据帧。我使用下面的代码来读取数据。由于数据量巨大，pandas数据帧正在耗尽内存。我不需要将完整的数据加载到程序中。仅需要子集。有没有办法在转换为pandas数据框之前过滤记录 def read_Dataset(dataset):
ws = Workspace.from_config()
ds
浏览 69提问于2021-01-06得票数 1
3回答
如何按列值的计数进行分组和排序？
、、、、
如何按列值的计数进行分组和排序？
我是一名熊猫学习者。
我有一个名为data.log的原始数据帧。现在我想对'c-ip-1‘分组的数字进行计数，并对结果进行排序。
原始data.log：
sc-status sc-substatus sc-win32-status time-taken c-ip-1
0 200 0 0 986 31.7.188.55
1 200 0 0 2539 31.7.18
浏览 15提问于2017-07-09得票数 2
回答已采纳
我使用python和pandas调用带有元组Time、Name、Good、Bad的Excel数据。 我想将数据帧重新处理为满足特定条件的另一个数据帧。 具体地说，我想打印出一个数据帧，它存储了整个时间内每个名称的好数据和坏数据的总和。 请帮助我谁知道蟒蛇，熊猫。 enter image description here
浏览 23提问于2020-04-29得票数 1
回答已采纳
我希望得到我的数据帧(见数据帧1)，以分组的项目和总和的销售金额，并按最旧的销售日期排序(即。参见dataframe 2) ? ? 到目前为止，我的代码如下： cusips_df = cusips_df.sort_values(by='settle_date', ascending=True)
cusips_df = cusips_df.groupby(['cusip'], as_index=False).agg({"principal":sum}) 但这产生了下面的数据框(看起来它是按商品的字母顺序排序的，而不是按最早的销售
浏览 22提问于2019-03-23得票数 0
我有一个由23个序列组成的pandas数据帧，默认序列索引为(0,1,2，...)通过导入ndarray获得。
数据帧中的两个序列包含记录时间信息。一个序列(‘秒’)包含自1900年开始以来的秒数。另一个序列(‘纳秒’)包含相应秒的纳秒数。
在python中，转换可以(在单个记录上)完成，如下所示：
import datetime as dt
Mydt = dt.datetime(1990,1,1,0,0,0) + dt.timedelta(seconds = 706500000)
print Mydt
pandas方法中是否存在执行类似的数组计算来获得datetime(64)日期/时间戳的方
浏览 4提问于2012-08-29得票数 4
回答已采纳
1回答
我试图按多个列进行分组，并将它们聚合，使它们在分组后成为一个列表。
目前，DataFrame看起来如下：
我试过用这个：
grouped = DataFrame.groupby(['jobname', 'block'], axis=0)
DataFrame= grouped.aggregate(lambda x: list(x))
但是，当我将其应用于IPython时，它会给出以下错误：
---------------------------------------------------------------------------
ValueEr
浏览 0提问于2015-11-13得票数 3
回答已采纳
我有类似于这篇文章的数据：
也就是说，我有一些观察会议的数据，每一次会议都有一个焦点个人。这位协调人只被记录了一次，但我想在该届会议期间填写每一行的焦点ID数据。所以，数据看起来是这样的：
Focal Session
0 NaN 1
1 50101 1
2 NaN 1
3 NaN 2
4 50408 2
5 NaN 2
基于上面链接的帖子，我使用了以下代码：
g = data.groupby('Session')
g['Focal'].transform(l
浏览 4提问于2013-09-24得票数 3
回答已采纳
我正在尝试编写一个函数，该函数接受数据帧，按列对数据帧进行分组，然后使用第二列的平均值从最大到最小对该列进行排序。我正在尝试返回一个数据帧。我同时使用了seaborn和pandas。
这就是我到目前为止所知道的
def table(df, columnone, columntwo):
dfnew = df.groupby([columnone])[columntwo].nlargest()
return dfnew
我不太确定我错过了什么，或者我应该寻找什么。我是python的新手，如果有任何帮助，我将不胜感激。
浏览 1提问于2021-04-21得票数 0
1回答
我正在尝试通过使用以下命令按日期对我的熊猫数据帧进行索引： df = pd.to_datetime(df) 但是我得到了以下错误： ValueError: to assemble mappings requires at least that [year, month, day]
be specified: [day,month,year] is missing 我当前的pandas数据帧看起来像like this.
浏览 23提问于2020-03-21得票数 0
我有一个由两列组成的pandas数据帧: Date和Event 我需要使用日期沿着时间轴绘制事件，但不知道如何在python中做到这一点。有人能在这方面给我指点一下吗？ 我的数据帧看起来像这样： 日期|事件 2015-08-17 11:05:00 |生日 2017-04-10 09:10:02 |第一步
浏览 33提问于2021-07-15得票数 0
1回答
我正在尝试从现有的数据帧(按日期和部门分组)创建一个新的具有特定计数的Pandas Dataframe。
我已经阅读了这里的文档：
并构建了以下内容：
new_values = df.groupby(['department',pd.to_datetime(df.date).dt.strftime('%m/%Y')]).agg({'id':"count", 'confirmed':"count"})
我在语法上有困难，因为我希望第二个计数只在'confirmed'=='1‘的
浏览 16提问于2019-10-22得票数 1
扫码
添加站长 进交流群
领取专属 10元无门槛券
手把手带您无忧上云
相关资讯
热门标签
云服务器
ICP备案
实时音视频
对象存储
即时通信 IM活动推荐
腾讯云开发者
