我有一些来自日志文件的数据,希望能按分钟分组:
def gen(date, count=10):
while count > 0:
yield date, "event{}".format(randint(1,9)), "source{}".format(randint(1,3))
count -= 1
date += DateOffset(seconds=randint(40))
df = DataFrame.from_records(list(gen(datetime(2012,1,1,12, 30))), index='Time', columns=['Time', 'Event', 'Source'])
df:
Event Source
2012-01-01 12:30:00 event3 source1
2012-01-01 12:30:12 event2 source2
2012-01-01 12:30:12 event2 source2
2012-01-01 12:30:29 event6 source1
2012-01-01 12:30:38 event1 source1
2012-01-01 12:31:05 event4 source2
2012-01-01 12:31:38 event4 source1
2012-01-01 12:31:44 event5 source1
2012-01-01 12:31:48 event5 source2
2012-01-01 12:32:23 event6 source1
我尝试了以下选项:
df.resample('Min')
这个选项过于高级,需要进行聚合。df.groupby(date_range(datetime(2012,1,1,12, 30), freq='Min', periods=4))
出现异常。df.groupby(TimeGrouper(freq='Min'))
可以正常工作,并返回一个DataFrameGroupBy
对象以供进一步处理,例如:grouped = df.groupby(TimeGrouper(freq='Min')) grouped.Source.value_counts() 2012-01-01 12:30:00 source1 1 2012-01-01 12:31:00 source2 2 source1 2 2012-01-01 12:32:00 source2 2 source1 2 2012-01-01 12:33:00 source1 1
然而,TimeGrouper
类并没有被记录在文档中。
正确的按时间段分组方式是什么?我怎样才能将数据按分钟和来源列进行分组,例如groupby([TimeGrouper(freq='Min'), df.Source])
?
pd.TimeGrouper
可以用来按时间单位的倍数进行分组,例如df.groupby(pd.TimeGrouper(freq='30Min'))
。 - salomonvh