DateTime索引不唯一且对应值相同时重采样答案

【问题标题】：Resampling when the DateTime index is not unique and the corresponding value is the sameDateTime索引不唯一且对应值相同时重采样
【发布时间】：2017-10-09 05:15:37
【问题描述】：

我有以下df DataFrame (pandas)：

           attribute
2017-01-01         a
2017-01-01         a
2017-01-05         b
2017-02-01         a
2017-02-10         a

其中第一列是非唯一的datetime 索引，我想每周计算 a 和 b 的数量。如果我尝试df.attribute.resample('W').count() 将会出现错误，因为重复的条目。

我该怎么做？

【问题讨论】：

标签： python pandas

【解决方案1】：

df=df.reset_index()    
df.groupby([df['index'].dt.week,'attribute']).count()
Out[292]: 
                 index
index attribute       
1     b              1
5     a              1
6     a              1
52    a              2

或者

df.groupby([df.index.get_level_values(0).week,'attribute'])['attribute'].count()

Out[303]: 
    attribute
1   b            1
5   a            1
6   a            1
52  a            2
Name: attribute, dtype: int64

【讨论】：

很有趣，但你确定这给出了正确的答案吗？
我认为 OP 希望每周重新采样，而不是仅仅提取一周并与之相关的计数。不过，你有我的赞成票。 ;-)
感谢您的回答，尽管我对每周重新采样更感兴趣。
@thanasissdr 好极了，至少我知道你需要什么~ :)

【解决方案2】：

您可能对涉及groupby 后跟resample 的两步流程感兴趣。

df.groupby(level=0).count().resample('W').sum()
            attribute
2017-01-01        2.0
2017-01-08        1.0
2017-01-15        NaN
2017-01-22        NaN
2017-01-29        NaN
2017-02-05        1.0
2017-02-12        1.0

【讨论】：

谢谢！这就是我一直在寻找的。span>

【解决方案3】：

您可以使用pd.Grouper 按每周频率对索引进行分组：

In [83]: df.groupby(pd.Grouper(freq='W')).count()
Out[83]: 
            attribute
2017-01-01          2
2017-01-08          1
2017-01-15          0
2017-01-22          0
2017-01-29          0
2017-02-05          1
2017-02-12          1

按周频率和您可以使用的attribute 列进行分组：

In [87]: df.groupby([pd.Grouper(freq='W'), 'attribute']).size()
Out[87]: 
            attribute
2017-01-01  a            2
2017-01-08  b            1
2017-02-05  a            1
2017-02-12  a            1
dtype: int64

pd.Grouper 也有一个key 参数，允许您按位于列中而不是索引中的日期时间进行分组。

【讨论】：

太棒了！这似乎也很有用！