Python Pandas：仅基于其中一列重新采样

Question

我有以下数据，我正在对数据重新采样以了解每 15 分钟有多少辆自行车到达每个站点。但是，我的代码也在聚合我的站，我只想聚合变量“dtm_end_trip”

示例数据：

id_trip	dtm_start_trip	dtm_end_trip	start_station	end_station
1	2018-10-01 10:15:00	2018-10-01 10:17:00	A	B
2	2018-10-01 10:17:00	2018-10-01 10:18:00	B	A
...	...	...	...	...
999999	2021-12-31 23:58:00	2022-01-01 00:22:00	C	A
1000000	2021-12-31 23:59:00	2022-01-01 00:29:00	A	D

试用码：

df2 =  df(['end_station', 'dtm_end_trip']).size().to_frame(name = 'count').reset_index()
df2 = df2.sort_values(by='count', ascending=False)

df2= df2.set_index('dtm_end_trip')

df2 = df2.resample('15T').count()

我得到的输出：

dtm_end_trip	end_station	count
2018-10-01 00:15:00	2	2
2018-10-01 00:30:00	0	0
2018-10-01 00:45:00	1	1
2018-10-01 01:00:00	2	2
2018-10-01 01:15:00	1	1

期望的输出：

dtm_end_trip	end_station	count
2018-10-01 00:15:00	A	2
2018-10-01 00:15:00	B	0
2018-10-01 00:15:00	C	1
2018-10-01 00:15:00	D	2
2018-10-01 00:30:00	A	3
2018-10-01 00:30:00	B	2

在这种情况下，上面 table 的计数列是用随机数构造的，其唯一目的是举例说明所需输出的架构。

Answer 1

您可以这样使用 pd.Grouper：

out = df.groupby([
    pd.Grouper(freq='15min', key='dtm_end_trip'),
    'end_station',
]).size()

>>> out
dtm_end_trip         end_station
2018-10-01 10:15:00  A              1
                     B              1
2022-01-01 00:15:00  A              1
                     D              1
dtype: int64

结果是 Series，但您可以轻松地将其转换为 DataFrame，并根据您想要的输出使用相同的标题：

>>> out.to_frame('count').reset_index()
         dtm_end_trip end_station  count
0 2018-10-01 10:15:00           A      1
1 2018-10-01 10:15:00           B      1
2 2022-01-01 00:15:00           A      1
3 2022-01-01 00:15:00           D      1

注意：这是样本输入数据中四行的结果。

Python Pandas：仅基于其中一列重新采样

Python Pandas: resample based on just one of the columns

python

date

time-series

forecasting

pandas