按一天中的一周对 DateTime 进行分组

Question

我想，对于有经验的人来说，这应该是一个简单的问题。 我想按周对记录进行分组，并在特定的工作日拥有记录数。 这是我的数据帧rent_week.info()：

<class 'pandas.core.frame.DataFrame'>
Int64Index: 1689 entries, 3 to 1832
Data columns (total 11 columns):
 #   Column        Non-Null Count  Dtype         
---  ------        --------------  -----         
 0   id            1689 non-null   int64         
 1   createdAt     1689 non-null   datetime64[ns]
 2   updatedAt     1689 non-null   datetime64[ns]
 3   endAt         1689 non-null   datetime64[ns]
 4   timeoutAt     1689 non-null   datetime64[ns]
 5   powerBankId   1689 non-null   int64         
 6   station_id    1689 non-null   int64         
 7   endPlaceId    1686 non-null   float64       
 8   endStatus     1689 non-null   object        
 9   userId        1689 non-null   int64         
 10  station_name  1689 non-null   object        
dtypes: datetime64[ns](4), float64(1), int64(4), object(2)
memory usage: 158.3+ KB

“createdAt”列中的数据看起来像“2020-07-19T18:00:27.190010000”我正在尝试添加新列：

rent_week['a_day'] = rent_week['createdAt'].strftime('%A')

并收到错误回复：AttributeError: 'Series' 对象没有属性 'strftime'。 同时，如果我写：

a_day = datetime.today()
print(a_day.strftime('%A'))

它显示了预期的结果。 据我了解，a_day 和rent_week['a_day'] 具有类似的日期时间类型。 甚至通过以下方式请求：

rent_week['a_day'] = pd.to_datetime(rent_week['createdAt']).strftime('%A')

向我展示了同样的错误：没有 strftime 属性。 我什至没有开始对我的数据进行分组。 我期待的结果是一个包含以下信息的 DataFrame：

 a_day       number_of_records
Monday       101
Tuesday      55
...

Answer 1

尝试a_day.dt.strftime('%A') - 注意 DataFrame 列/系列对象上的附加.dt 。

背景：您做出的“类似”类型假设几乎是正确的。 但是，由于列可以是多种类型（数字、字符串、日期时间、地理等），因此基础值的方法通常存储在命名空间中，以免混淆系列已经很广泛的 API（方法计数）键入本身。 这就是为什么字符串函数只能通过.str ，而日期时间函数只能通过.dt 。

Answer 2

您可以创建一个用于转换的 lambda 函数并将该函数应用于“createdAt”列的列。 在此步骤之后，您可以根据您的要求进行分组。 您可以从以下代码中获取帮助：

rent_week['a_day'] = rent_week['createdAt'].apply(lambda x: x.strftime('%A'))

Answer 3

感谢 Quamar 和 Ojdo 的贡献。 我发现了问题：它在索引中

<ipython-input-41-a42a82727cdd>:8: SettingWithCopyWarning: 
A value is trying to be set on a copy of a slice from a DataFrame.
Try using .loc[row_indexer,col_indexer] = value instead

See the caveats in the documentation: https://pandas.pydata.org/pandas-docs/stable/user_guide/indexing.html#returning-a-view-versus-a-copy
  rent_week['a_day'] = rent_week['createdAt'].dt.strftime('%A')

一旦我重置索引

rent_week.reset_index()

两种变体都按预期工作！