Python Pandas：將日期時間列分組為小時和分鍾聚合

Question

這似乎是相當直截了當的，但幾乎一整天后我還沒有找到解決方案。 我已經用 read_csv 加載了我的 dataframe 並輕松解析、組合並將日期和時間列索引到一列中，但現在我希望能夠根據小時和分鍾分組進行整形和執行計算，類似於您可以在excel pivot。

我知道如何重新采樣到小時或分鍾，但它維護與每個小時/分鍾相關的日期部分，而我只想將數據集聚合到小時和分鍾，類似於 excel 樞軸中的分組並選擇“小時”和“分鍾”但是不選擇其他任何東西。

任何幫助將不勝感激。

Answer 1

你不能這樣做，其中df是你的數據幀：

times = pd.to_datetime(df.timestamp_col)
df.groupby([times.hour, times.minute]).value_col.sum()

Answer 2

Wes 的代碼對我不起作用。 但是 DatetimeIndex 函數（ docs ）做了：

times = pd.DatetimeIndex(data.datetime_col)
grouped = df.groupby([times.hour, times.minute])

DatetimeIndex 對象是 Pandas 中時間的表示。 第一行創建一個日期時間數組。 第二行使用此數組獲取所有行的小時和分鍾數據，允許按這些值對數據進行分組 ( docs )。

Answer 3

當我搜索這種類型的 groupby 時遇到了這個。 Wes 上面的代碼對我不起作用，不確定是不是因為pandas隨着時間的推移發生了變化。

在pandas 0.16.2 ，我最后做的是：

grp = data.groupby(by=[data.datetime_col.map(lambda x : (x.hour, x.minute))])
grp.count()

你有 (hour, minute) 元組作為分組索引。 如果你想要多索引：

grp = data.groupby(by=[data.datetime_col.map(lambda x : x.hour),
                       data.datetime_col.map(lambda x : x.minute)])

Answer 4

我有上面的 Wes & Nix 答案的替代方案，只需一行代碼，假設您的列已經是日期時間列，您不需要分別獲取小時和分鍾屬性：

df.groupby(df.timestamp_col.dt.time).value_col.sum()

Answer 5

這可能有點晚了，但我為任何有同樣問題的人找到了一個很好的解決方案。 我有一個這樣的df：

datetime              value
2022-06-28 13:28:08   15
2022-06-28 13:28:09   30
...                   ...
2022-06-28 14:29:11   20
2022-06-28 14:29:12   10

我想將那些以秒為間隔的時間戳轉換為以分鍾為間隔的時間戳，並在過程中添加值列。 有一種簡潔的方法：

df['datetime'] = pd.to_datetime(df['datetime']) #if not already as datetime object
grouped = df.groupby(pd.Grouper(key='datetime', axis=0, freq='T')).sum()
print(grouped.head())

結果：

datetime              value
2022-06-28 13:28:00   45
...                   ...
2022-06-28 14:29:00   30

freq='T' 代表分鍾。 您也可以按小時或天對它進行分組。 它們被稱為偏移別名。