我如何每小时重新采样包含一列推文的数据框？（我想每小时连接所有推文）

【问题标题】：How can i hourly resample a dataframe that has a column of tweets in it? (I would like to concatenate all tweets per hour)我如何每小时重新采样包含一列推文的数据框？（我想每小时连接所有推文）
【发布时间】：2020-08-19 04:28:16
【问题描述】：

我有一个数据框，它以日期时间为索引，并在不同的列中发布推文以及其他统计信息，如喜欢的数量。我想以每小时间隔重新采样 df，这样我就可以获得所有推文和每小时所有统计信息的总和，我使用以下代码完成了这项工作：

df.resample('60min').sum()

问题是我的推文栏消失了。我需要它来进行情绪分析。我是编程新手，提前感谢您阅读本文！

【问题讨论】：

df.asfreq('H')?实际上，听起来你想按小时分组：df.groupby(df.index.floor('H')).agg(...)
但问题是，我不知道如何编码，以便每小时连接所有推文，同时返回其他列的总和，如 number_of_retweets。

标签： python pandas tweepy

【解决方案1】：

IIUC 你会groupby 并使用agg

import numpy as np
import pandas as pd
# sample data
np.random.seed(1)
df = pd.DataFrame(np.transpose([np.random.randint(1,10, 1489), ['abc']*1489]),
                  index=pd.date_range('2020-01-01', '2020-02-01', freq='30T'),
                  columns=['num', 'tweet'])

# groupby the index floored to hour, sum the num col 
# and join the tweets with a semi-colon or what ever you want
df.groupby(df.index.floor('H')).agg({'num': sum, 'tweet': '; '.join})

                    num     tweet
2020-01-01 00:00:00  69  abc; abc
2020-01-01 01:00:00  61  abc; abc
2020-01-01 02:00:00  12  abc; abc
2020-01-01 03:00:00  87  abc; abc
2020-01-01 04:00:00  35  abc; abc

或者，如果您只想按原样加入字符串，则将所有内容相加：

df.groupby(df.index.floor('H')).agg(sum)

                    num   tweet
2020-01-01 00:00:00  69  abcabc
2020-01-01 01:00:00  61  abcabc
2020-01-01 02:00:00  12  abcabc
2020-01-01 03:00:00  87  abcabc
2020-01-01 04:00:00  35  abcabc

【讨论】：