将 datetime 列组合为按日期列的平均计数

Question

我有一个按以下方式格式化的数据集，我正在尝试以一种方式重新格式化它，而不是 DateTime 列，id 获取每天的平均订单数（星期一、星期二等）

TIMESTAMP	TEMPERATURE	WINDSPEED
2020-08-01	13.2	4.9
2020-08-01	15	5
2020-08-02	16	2.4
2020-08-02	14.2	6.3
2020-09-10	17.5	2
2020-09-10	9	8.3

到目前为止，这是我的代码，一切似乎都运行良好，我可以单独打印每天的平均订单数，但是当尝试将其导入数据集时，订单数是 Nan

df = pd.read_csv('orders_autumn_2020.csv')

df['TIMESTAMP']= pd.to_datetime(df['TIMESTAMP'])

df_mod = df.groupby(df['TIMESTAMP'].dt.weekday).mean()
datecount = df.resample('D', on='TIMESTAMP').count()
ORDCOUNT = (datecount['WINDSPEED'])
df_mod["ORDCOUNT"] = ORDCOUNT
df_mod = df_mod[["TEMPERATURE","WIND_SPEED","ORDCOUNT"]]

print(df_mod)

TIMESTAMP	TEMPERATURE	WINDSPEED	ORDCOUNT
0	17.055038	4.027295	NaN
1	15.961699	2.951472	NaN
2	16.305026	3.600513	NaN
3	16.142084	4.051359	NaN
4	16.864189	3.131984	NaN
5	17.364454	4.230898	NaN
6	18.321807	4.310171	NaN

Answer 1

在您的解决方案中，按 2 个不同的值聚合 - 通过 weekday 和 D 的天数，因此索引是不同的，因此如果分配列得到 NaNs。

如果需要按weekday 计数并省略NaNs（如果存在于WINDSPEED 列和GroupBy.count 中），则可能的解决方案：

df1 = (df.groupby(df['TIMESTAMP'].dt.weekday)
         .agg(TEMPERATURE = ('TEMPERATURE','mean'),
              WINDSPEED = ('WINDSPEED','mean'),
              ORDCOUNT = ('WINDSPEED','count')))

或者如果需要每天计数，请使用Grouper:

df2 = (df.groupby(pd.Grouper(freq='d', key='TIMESTAMP'))
         .agg(TEMPERATURE = ('TEMPERATURE','mean'),
              WINDSPEED = ('WINDSPEED','mean'),
              ORDCOUNT = ('WINDSPEED','count')))

您的解决方案：

df_mod = df.groupby(df['TIMESTAMP'].dt.weekday).mean()
datecount = df.resample('D', on='TIMESTAMP')['WINDSPEED'].count()

df_mod["ORDCOUNT"] = datecount.groupby(datecount.index.weekday).sum()