根据具有时间戳的另一列中的时间间隔创建具有值计数的列表答案

【问题标题】：Creating list with count of values depending on time interval in another column that has a timestamp根据具有时间戳的另一列中的时间间隔创建具有值计数的列表
【发布时间】：2020-09-02 13:23:00
【问题描述】：

假设我有一个包含两列、一个字符串和一个日期时间的 pandas 数据框，如下所示：

ORDER        TIMESTAMP
GO     6/4/2019 09:59:49.497000
STAY   6/4/2019 09:05:27.036000
WAIT   6/4/2019 10:33:05.645000
GO     6/4/2019 10:28:03.649000
STAY   6/4/2019 11:23:11.614000
GO     6/4/2019 11:00:33.574000
WAIT   6/4/2019 11:41:55.744000

我想创建一个列表，其中每个条目都是一个包含三个值的列表。对于每个选择的时间间隔（比如一小时），每个条目是：[开始时间、总行数、按 GO 顺序的行百分比]。

例如，对于上面的数据框，我的列表是：

[6/4/2019 09:00:00.000000, 2, 50]
[6/4/2019 10:00:00.000000, 2, 50]
[6/4/2019 11:00:00.000000, 3, 33.3]

我创建了一个简单的while循环：

go= []
while t<=df["timestamp"].iloc[-1]:
  tmp1 = df[(df["date_time"]>=t) & (df["timestamp"]<t+timedelta(hour=1))]
  tmp2 = df[(df["date_time"]>=t) & (df["timestamp"]<t+timedelta(hour=1)) & (df["Order"]=="GO")]
  go.append([t, tmp1.shape[0], 100.0*tmp2.shape[0]/tmp1.shape[0]])
  #increment the time by the interval
  t=t+timedelta(hour=1)

但是，我的初始数据帧有数百万行，我希望我的时间间隔比一个小时短得多，所以这种方法非常慢。更pythonic的方法是什么？

【问题讨论】：

标签： python python-3.x pandas

【解决方案1】：

让我们试试groupby().agg() 和size 的行数和mean 的行数与GO 的比率：

(df.ORDER.eq('GO').astype(int)
   .groupby(df.TIMESTAMP.dt.floor('1H'))   # groupby interval of choice
   .agg(['size','mean'])
   .reset_index()              # get timestamp back
   .to_numpy().tolist()        # this is to generate the list
)

输出：

[[Timestamp('2019-06-04 09:00:00'), 2, 0.5],
 [Timestamp('2019-06-04 10:00:00'), 2, 0.5],
 [Timestamp('2019-06-04 11:00:00'), 3, 0.3333333333333333]]

【讨论】：