如何将带有计数的数据框重新采样到新列中并将列聚合到列表中

Question

我有一个具有以下形式的测量值的 DataFrame：

                           label
2015-01-17 20:58:00.740000    cc
2015-01-19 04:36:00.740000    xy
2015-01-19 09:48:00.740000    ab
2015-01-19 09:52:00.740000    ab
2015-01-20 11:45:00.740000    ab

并希望按天对其重新采样，创建一个包含计数的新列并将标签聚合到一个列表中。这样我就有了以下结果：

           counts label
2015-01-17    1   [cc]
2015-01-18    0   []
2015-01-19    3   [ab, xy]
2015-01-20    1   [ab]

我是 pandas 的新手，不知道该怎么做。我读过 DataFrame 支持列表作为列类型。我可以通过 DataFrame.resample() 和 sum 来计算天数，我可以将标签放入一个字符串中。但这还不足以产生结果。

我已经用

生成了数据

from datetime import datetime, timedelta

from pandas import DataFrame, TimeGrouper
from random import randint, choice

n = 5
rnd_time = lambda: datetime.now() + timedelta(days=randint(0, 3), hours=randint(0, 24))
rnd_label = lambda: choice(['ab', 'cc', 'xyz'])

gen_times = [rnd_time() for _ in range(n)]
gen_labels = [rnd_label() for _ in range(n)]

df = DataFrame({'label': gen_labels}, index=gen_times)

那么怎样才能达到预期的效果呢？

提前谢谢你。

Answer 1

你可以这样做：

>>> df['counts'] = df.groupby(level=0).transform('count')
>>> df.resample('D', how={'counts': lambda x: x[0] if len(x) else 0, 
                          'label' : lambda x: list(set(x))})
            count     label
2015-01-17      1      [cc]
2015-01-18      0        []
2015-01-19      3  [xy, ab]
2015-01-20      1      [ab]

编辑：如果元素的顺序很重要，则将 list(set(x)) 替换为 list(OrderedDict.fromkeys(x))。

如何将带有计数的数据框重新采样到新列中并将列聚合到列表中

How to resample dataframe with counts into new column and aggregate column into list

python

pandas