【发布时间】:2016-09-09 10:32:43
【问题描述】:
我有一天中分布的数据。 我对它进行了聚类,然后计算了每个聚类每小时的比率(重量)(并非所有聚类都存在于所有小时内)。 (数据帧时间_df)
cluster Date
0 1 2014-02-28 14:24:59.535000+02:00
1 1 2014-02-28 14:26:35.019000+02:00
2 1 2014-02-28 14:27:37.213000+02:00
3 2 2014-02-28 14:28:35.246000+02:00
4 2 2014-02-28 14:29:37.283000+02:00
我按小时分组,使用 np bincount 计算每个簇的权重:
group_by_hour = time_df.groupby(time_df.Date.dt.hour)
cluster_ids_hour = group_by_hour.cluster.\
apply(lambda arr: list(range(0,(arr+1).max()+1)))
cluster_ratio_hour = group_by_hour.cluster.\
apply(lambda arr: 1.0*np.bincount(arr+1)/len(arr))
这会为每小时提供不同的簇数组大小及其权重 它试图构建一个数据框
pd.DataFrame(temp, columns=['hour','clusters','ratios'])
但我得到了以下信息:
hour clusters weights
0 14 [0] [1.0]
1 15 [0, 1] [0.488888888889, 0.511111111111]
2 16 [0, 1, 2] [0.302325581395, 0.162790697674, 0.53488372093]
3 17 [0, 1, 2] [0.0, 0.0, 1.0]
4 18 [0, 1, 2] [0.0, 0.0, 1.0]
5 19 [0, 1, 2] [0.0, 0.0, 1.0]
6 20 [0, 1, 2] [0.0, 0.0, 1.0]
7 21 [0, 1, 2] [0.0, 0.0, 1.0]
8 22 [0, 1, 2] [0.0, 0.0, 1.0]
9 23 [0, 1, 2] [0.0, 0.0, 1.0]
我怎样才能让集群作为索引和小时作为列?
0 1 2 3 4 ...
0 0.2 0.6 0.4 0.0 0.6
1 0.0 0.4 0.1 0.0 0.4
2 0.8 0.0 0.5 1.0 0.0
【问题讨论】:
标签: python list pandas dataframe pivot-table