如何按 ID 和时间段对日期时间数据进行分组？

【问题标题】：How to groupby datetime data by ID and time period?如何按 ID 和时间段对日期时间数据进行分组？
【发布时间】：2019-09-07 15:36:18
【问题描述】：

所以我有这种数据。基本上有一群人在做某事，我们会跟踪他们。所以我对其中一项活动感兴趣，即跑步。 ID - 人的 id，日期 - 日期，DONE - 如果他们当天运行，则为是。我想知道在特定时期人们进行了多少次该活动。

ID             DATE              DONE  
1           2009-1-3             Yes
1           2009-1-15            Yes
2           2009-9-3             Yes
3           2009-10-7            No
1           2009-12-1            Yes
3           2009-10-8            Yes
2           2009-10-21           Yes

我想要这样的东西，不一定完全一样。

ID          PERIOD              COUNT
1           2009-1              2
            2009-12             1
2           2009-9              1
            2009-10             1
3           2009-10             1

提前致谢！

【问题讨论】：

标签： pandas pandas-groupby data-science

【解决方案1】：

如果还需要计数 No 值，例如 0 聚合 sum 和布尔掩码，月份使用 Series.dt.to_period：

df1 = ((df['DONE'] == 'Yes')
        .groupby([df['ID'], pd.to_datetime(df['DATE']).dt.to_period('m')])
        .sum()
        .astype(int)
        .reset_index(name='COUNT'))
print (df1)
   ID     DATE  COUNT
0   1  2009-01      2
1   1  2009-12      1
2   2  2009-09      1
3   2  2009-10      1
4   3  2009-10      1

或者您可以先只过滤带有Yes 的行，然后按GroupBy.size 聚合计数：

df1 = (df[df['DONE'] == 'Yes']
        .groupby(['ID', pd.to_datetime(df['DATE']).dt.to_period('m')])
        .size()
        .reset_index(name='COUNT'))
print (df1)
   ID     DATE  COUNT
0   1  2009-01      2
1   1  2009-12      1
2   2  2009-09      1
3   2  2009-10      1
4   3  2009-10      1

【讨论】：