我是一个初学者程序员，正在学习 python (+pandas)，希望我能很好地解释这一点。我有一个超过 300 万行的大型时间序列 pd 数据框，最初有 12 列跨越多年。这涵盖了从不同地点取票的人，这些地点由 ID 号(其中 350 个)表示。每一行是一个实例(一张票)。
我搜索了很多问题，比如 counting records per hour per day 和 getting average per hour over several years 。但是，我遇到了包含“Id”变量的麻烦。
我希望获得每小时、一周中的每一天(周一至周五)和每个车站买票的人的平均值。
我有以下内容，将日期时间设置为索引:
Id Start_date Count Day_name_no
149 2011-12-31 21:30:00 1 5
150 2011-12-31 20:51:00 1 0
259 2011-12-31 20:48:00 1 1
3015 2011-12-31 19:38:00 1 4
28 2011-12-31 19:37:00 1 4
使用
groupby 和 Start_date.index.hour ，我似乎无法包含“Id”。我的替代方法是将日期中的小时分开并具有以下内容:
Id Count Day_name_no Trip_hour
149 1 2 5
150 1 4 10
153 1 2 15
1867 1 4 11
2387 1 2 7
然后我首先得到计数:
Count_Item = TestFreq.groupby([TestFreq['Id'], TestFreq['Day_name_no'], TestFreq['Hour']]).count().reset_index()
Id Day_name_no Trip_hour Count
1 0 7 24
1 0 8 48
1 0 9 31
1 0 10 28
1 0 11 26
1 0 12 25
然后使用 groupby 并表示:
Mean_Count = Count_Item.groupby(Count_Item['Id'], Count_Item['Day_name_no'], Count_Item['Hour']).mean().reset_index()
然而，这并没有给出想要的结果，因为平均值不正确。
我希望我已经清楚地解释了这个问题。我正在寻找每个 Id 每天每小时的平均值，因为我计划在对这些组应用预测模型之前进行聚类以将我的数据集分成组。
任何帮助将不胜感激，如果可能，请解释我在代码方面或我的方法上做错了什么。
提前致谢。
我已经编辑了这个，试图让它更清晰一点。写一个 sleep 不足的问题可能是不可取的。
我开始的玩具数据集:
Date Id Dow Hour Count
12/12/2014 1234 0 9 1
12/12/2014 1234 0 9 1
12/12/2014 1234 0 9 1
12/12/2014 1234 0 9 1
12/12/2014 1234 0 9 1
19/12/2014 1234 0 9 1
19/12/2014 1234 0 9 1
19/12/2014 1234 0 9 1
26/12/2014 1234 0 10 1
27/12/2014 1234 1 11 1
27/12/2014 1234 1 11 1
27/12/2014 1234 1 11 1
27/12/2014 1234 1 11 1
04/01/2015 1234 1 11 1
我现在意识到我必须先使用日期并得到类似的信息:
Date Id Dow Hour Count
12/12/2014 1234 0 9 5
19/12/2014 1234 0 9 3
26/12/2014 1234 0 10 1
27/12/2014 1234 1 11 4
04/01/2015 1234 1 11 1
然后计算每个 ID、每个道指、每小时的平均值。并想得到这个:
Id Dow Hour Mean
1234 0 9 4
1234 0 10 1
1234 1 11 2.5
我希望这能让它更清楚一点。我的真实数据集跨越 3 年，包含 300 万行，包含 350 个 ID 编号。
最佳答案
你的问题不是很清楚，但我希望这会有所帮助:
df.reset_index(inplace=True)
# helper columns with date, hour and dow
df['date'] = df['Start_date'].dt.date
df['hour'] = df['Start_date'].dt.hour
df['dow'] = df['Start_date'].dt.dayofweek
# sum of counts for all combinations
df = df.groupby(['Id', 'date', 'dow', 'hour']).sum()
# take the mean over all dates
df = df.reset_index().groupby(['Id', 'dow', 'hour']).mean()
关于python - 时间序列 : Mean per hour per day per Id number，我们在Stack Overflow上找到一个类似的问题：https://stackoverflow.com/questions/30495163/