在Python中计算特定时间间隔内的记录数

Question

我正在读取包含以下数据的 csv 文件：

Create Date,           Original Filesize,  Number of Encodings
2016-01-27 16:27:10,   855583191,          1
2016-01-27 16:28:11,   854336,             1
2016-01-27 16:28:25,   854336,             1
2016-01-27 16:30:12,   9691559,            1

我想统计表中每两分钟生成的记录数。

例如如果我们从2016-01-27 16:27:00开始 然后从2016-01-27 16:27:01 到2016-01-27 16:29:00，我们有2 记录。 从2016-01-27 16:29:01 到2016-01-27 16:31:00，我们有1 记录等等。

我正在尝试使用pandas，因为我想稍后对其进行一些数据分析。有/没有熊猫有没有简单的方法来做到这一点？

另外，我首先使用mysql 来导出这些数据。如果使用sql更方便，也可以。

Answer 1

我认为您可以将resample 与sum 一起使用：

print df.resample('2min').sum()
                     Original Filesize  Number of Encodings
Create Date                                                
2016-01-27 16:26:00          855583191                    1
2016-01-27 16:28:00            1708672                    2
2016-01-27 16:30:00            9691559                    1

print df.resample('2min', base=1).sum()
                     Original Filesize  Number of Encodings
Create Date                                                
2016-01-27 16:27:00          857291863                    3
2016-01-27 16:29:00            9691559                    1

或者如果您只需要聚合列Number of Encodings：

print df.resample('2min')['Number of Encodings'].sum().reset_index()
          Create Date  Number of Encodings
0 2016-01-27 16:26:00                    1
1 2016-01-27 16:28:00                    2
2 2016-01-27 16:30:00                    1

print df.resample('2min', base=1)['Number of Encodings'].sum().reset_index()
          Create Date  Number of Encodings
0 2016-01-27 16:27:00                    3
1 2016-01-27 16:29:00                    1

如果您只需要计算行数，则更通用的是 size 聚合：

print df.resample('2min').size().reset_index(name='count')
          Create Date  count
0 2016-01-27 16:26:00      1
1 2016-01-27 16:28:00      2
2 2016-01-27 16:30:00      1

print df.resample('2min', base=1).size().reset_index(name='count')
          Create Date  count
0 2016-01-27 16:27:00      3
1 2016-01-27 16:29:00      1