Python Pandas：按小时汇总求和

Question

Python Pandas：按小时汇总求和

16

我正在处理一个包含每小时计数的数据集(df):该数据集有8784行 (2016年每小时)。

我想看看是否存在每日趋势（例如早上小时内有增加）。为此，我想创建一个绘图，其中x轴是一天中的小时数（从0到24），y轴是每个小时的骑车人数（类似于下面的图片，来自http://ofdataandscience.blogspot.co.uk/2013/03/capital-bikeshare-time-series-clustering.html）。

我尝试了不同的pivot、resample和set_index方法，并使用matplotlib绘制，但都没有成功。换句话说，我找不到一种方法将某个小时的每个观测值相加，然后为每个工作日绘制这些观测值。

有什么建议吗？提前谢谢！

- julia_3010

2

如果我理解正确的话，您可以使用 df.groupby(df['Date'].dt.hour)，然后针对此进行绘图。 - EdChum

你是否想要计算每个工作日每小时租用自行车的平均值，并将它们分别绘制出来？你可以考虑为每个工作日创建一个不同的数据框架，然后通过下采样对其进行汇总。 - Aklys

1个回答

网页内容由stack overflow 提供, 点击上面的

可以查看英文原文，
原文链接

- jezrael · Accepted Answer

我认为你可以使用 groupby 按 hour 和 weekday 进行聚合sum（或者也许是mean），最后通过 unstack 和 DataFrame.plot 进行重塑：

df = df.groupby([df['Date'].dt.hour, 'weekday'])['Cyclists'].sum().unstack().plot()

使用pivot_table解决方案:

df1 = df.pivot_table(index=df['Date'].dt.hour, 
                     columns='weekday', 
                     values='Cyclists', 
                     aggfunc='sum').plot()

示例：

N = 200
np.random.seed(100)
rng = pd.date_range('2016-01-01', periods=N, freq='H')
df = pd.DataFrame({'Date': rng, 'Cyclists': np.random.randint(100, size=N)}) 
df['weekday'] = df['Date'].dt.weekday_name
print (df.head())
   Cyclists                Date weekday
0         8 2016-01-01 00:00:00  Friday
1        24 2016-01-01 01:00:00  Friday
2        67 2016-01-01 02:00:00  Friday
3        87 2016-01-01 03:00:00  Friday
4        79 2016-01-01 04:00:00  Friday

print (df.groupby([df['Date'].dt.hour, 'weekday'])['Cyclists'].sum().unstack())
weekday  Friday  Monday  Saturday  Sunday  Thursday  Tuesday  Wednesday
Date                                                                   
0           102      91       120      53        95       86         21
1           102      83       100      27        20       94         25
2           121      53       105      56        10       98         54
3           164      78        54      30         8       42          6
4           163       0        43      48        89       84         37
5            49      13       150      47        72       95         58
6            24      57        32      39        30       76         39
7           127      76       128      38        12       33         94
8            72       3        59      44        18       58         51
9           138      70        67      18        93       42         30
10           77       3         7      64        92       22         66
11          159      84        49      56        44        0         24
12          156      79        47      34        57       55         55
13           42      10        65      53         0       98         17
14          116      87        61      74        73       19         45
15          106      60        14      17        54       53         89
16           22       3        55      72        92       68         45
17          154      48        71      13        66       62         35
18           60      52        80      30        16       50         16
19           79      43         2      17         5       68         12
20           11      36        94      53        51       35         86
21          180       5        19      68        90       23         82
22          103      71        98      50        34        9         67
23           92      38        63      91        67       48         92

df.groupby([df['Date'].dt.hour, 'weekday'])['Cyclists'].sum().unstack().plot()

编辑:

你还可以将wekkday转换为categorical，以便按照星期名称对列进行正确排序:

names = [ 'Monday', 'Tuesday', 'Wednesday', 'Thursday','Friday', 'Saturday', 'Sunday']
df['weekday'] = df['weekday'].astype('category', categories=names, ordered=True)
df.groupby([df['Date'].dt.hour, 'weekday'])['Cyclists'].sum().unstack().plot()