熊猫的每日频率计数

Question

As in this question 我已经问过了，这次我试着做同样的计数，但每天都做。所以我希望这次计算一下在星期一设置了多少次一周的较低值，在星期二设置了多少次等，并获得一周中 7 天的汇总计数 获取这样的日期和值列表：

2013.01.01,00:00,1.31802

2013.01.02,00:00,1.32038

2013.01.03,00:00,1.31859

2013.01.04,00:00,1.30508

等等

我目前正在为此使用 Pandas，我用来计算每小时的代码是：

df = pd.read_csv(myPath, sep=',', header=None, parse_dates=[[0, 1]])
df.columns = ["date","value"]
df.set_index("date", inplace=True)
day_min = df.resample('D', how='min')
df['is_day_min'] = day_min.lookup(df.index.normalize(), len(df) * ['value'])==df.value
df.is_day_min.resample('H', np.sum).fillna(0).astype(int)    
df.groupby(df.index.time)["is_day_max"].sum().to_csv("C:\\2013frequency_min.csv")

但是在分析每日数据时，如果我在 day_min（第 4 行）中将 resample 更改为“W”，在第 6 行更改为“D”，则会出现以下错误：KeyError: Timestamp('2013-01-01 00 :00:00', tz=None)

有人可以帮忙吗？我敢肯定这很简单，但熊猫文档并没有帮助我。 即使有人有不使用熊猫的解决方案，也可以向我展示。如果它有效，那没关系。 谢谢

Answer 1

您可以按周使用 TimeGrouper（并查看该值是否等于该周的最小值），然后按天重新采样：

In [11]: week = df.groupby(pd.TimeGrouper('W'))

In [12]: is_week_min = week['value'].apply(lambda x: x == x.min()).astype(int)  # possibly the astype is not needed in 0.13

In [13]: is_week_min.resample('D', how='sum')  # count occurences in the day which are week min
Out[13]: 
2013-01-01    0
2013-01-02    0
2013-01-03    0
2013-01-04    1
Freq: D, dtype: int64

如果您希望将其作为每周几天的列，您可以在应用程序中执行 groupby：

In [14]: week['value'].apply(lambda x: ((x == x.min()).astype(int).groupby(x.index.dayofweek)).sum()).unstack(1)
Out[14]: 
            1  2  3  4
2013-01-06  0  0  0  1

注意：索引是 WeekEnd。

并使用您提供的 pastebin 链接：

In [21]: df = pd.read_csv('http://pastebin.com/raw.php?i=SuyWZLj5', header=None, parse_dates=[[0, 1]])
         df.columns = ['date', 'value']
         df.set_index('date', inplace=True)

In [22]: df.groupby(pd.TimeGrouper('W')).value.apply(lambda x: ((x == x.min()).astype(int).groupby(x.index.dayofweek)).sum()).unstack(1)
Out[22]: 
             0  1  2  3   4
2013-01-06 NaN  0  0  0   1
2013-01-13   0  0  0  1   0
2013-01-20   0  0  0  1   0
2013-01-27   1  0  0  0   0
2013-02-03   0  1  0  0   0
2013-02-10   0  0  0  0   1
2013-02-17   0  0  0  0   1
2013-02-24   0  0  0  0   1
2013-03-03   0  0  1  0 NaN