pandas 指定时间为周期按天分组

看过来

《pandas 教程》持续更新中，提供建议、纠错、催更等加作者微信: gairuo123（备注：pandas教程）和关注公众号「盖若」ID: gairuo。跟作者学习，请进入 Python学习课程。欢迎关注作者出版的书籍：《深入浅出Pandas》和《Python之光》。

本需求为，根据 date 列时间，计算其是否在前一天 08：00（包含）至当天 08：00（不包含）范围内 data 列值的和。这个过程需要我们对时间数据进行重采样。

本案例在 pandas 2.2 下通过。

数据及需求

我们的原始数据和要得到的结果如下：

# 原数据
import pandas as pd
import io

data = '''
date    data
2022-02-01 07:00    1
2022-02-01 08:00    1
2022-02-01 09:00    2
2022-02-01 14:00    1
2022-02-01 23:00    3
2022-02-02 09:00    1
2022-02-03 10:00    2
2022-02-04 11:50    3
'''

期望的结果为：

'''
date	data
2022-02-01	1
2022-02-02	7
2022-02-03 	1
2022-02-04 	2
2022-02-05	3
'''

读取数据：

df = pd.read_csv(io.StringIO(data), sep='\s{2,}', engine='python')
df
# ...

代码

根据需求，我们直接对数据重采样，为了支持时间重采样先将数据转为时间类型，再用 .resample() 重采样后用 sum 聚合：

(
    df.astype({'date': 'datetime64[ns]'})
    .resample('D', on='date', offset='8h', closed='left')
    .sum()
)
'''
                     data
date
2022-01-31 08:00:00     1
2022-02-01 08:00:00     7
2022-02-02 08:00:00     1
2022-02-03 08:00:00     2
2022-02-04 08:00:00     3
'''

对 .resample() 的参数解释一下，D 是按天为周期，offset 为时间偏移量，默认从零点开始，由于需求是按 8:00 开始，offset 设置为 8h，包括 8 点则设 closed 为 left。on 参数为采样的时间列名。

最后，时间周期需要在后一天，我们将时间索引整体后移一天：

(
    df.astype({'date': 'datetime64[ns]'})
    .resample('D', on='date', offset='8h', closed='left')
    .sum()
    .rename(index=lambda x: x + pd.DateOffset(days=1))
)
'''
                     data
date
2022-02-01 08:00:00     1
2022-02-02 08:00:00     7
2022-02-03 08:00:00     1
2022-02-04 08:00:00     2
2022-02-05 08:00:00     3
'''

这样我们就完成了需求。

（完）

pandas 指定时间为周期按天分组

数据及需求

代码

相关内容