Pandas 将每小时数据分组为带有日期索引的每日总和

Pandas

Pandas将每小时数据分组为带有日期索引的每日总和

在数据分析和处理的过程中，经常需要对时间序列数据进行分组和聚合。而Pandas是Python中非常流行的数据分析库，它提供了强大的工具来处理时间序列数据。本文将介绍如何使用Pandas将每小时的数据分组为带有日期索引的每日总和。

数据准备

首先，我们需要准备一些示例数据。假设我们有一个包含日期和每小时访问量的数据集。以下是一个简单的示例数据集：

import Pandas as pd
# 创建示例数据
data = {'date': ['2022-01-01 00:00:00', '2022-01-01 01:00:00', '2022-01-01 02:00:00', '2022-01-02 00:00:00', '2022-01-02 01:00:00'],
        'visits': [100, 200, 150, 300, 250]}
df = pd.DataFrame(data)
df['date'] = pd.to_datetime(df['date'])
df.set_index('date', inplace=True)

以上代码创建了一个包含日期和访问量的DataFrame，并将日期列设置为索引。

分组数据

接下来，我们可以使用Pandas的resample()函数将数据按天进行分组。resample()函数可以根据指定的频率对时间序列数据进行重采样。在这里，我们将使用'D'作为频率，表示按天进行重采样。

# 按天分组并求和
dAIly_data = df.resample('D').sum()

以上代码将数据按天分组，并计算每日的总和。

结果展示

最后，我们可以打印出每日的数据总和。以下是完整的代码：

import Pandas as pd
# 创建示例数据
data = {'date': ['2022-01-01 00:00:00', '2022-01-01 01:00:00', '2022-01-01 02:00:00', '2022-01-02 00:00:00', '2022-01-02 01:00:00'],
        'visits': [100, 200, 150, 300, 250]}
df = pd.DataFrame(data)
df['date'] = pd.to_datetime(df['date'])
df.set_index('date', inplace=True)
# 按天分组并求和
dAIly_data = df.resample('D').sum()
# 打印每日数据总和
print(dAIly_data)

运行以上代码，将会输出每日的数据总和：

            visits
date              
2022-01-01     450
2022-01-02     550

以上结果显示了每日的数据总和。

本文介绍了如何使用Pandas将每小时的数据分组为带有日期索引的每日总和。通过使用Pandas的resample()函数，我们可以方便地对时间序列数据进行分组和聚合操作。在实际的数据分析和处理中，这种功能非常有用，能够帮助我们更好地理解和分析时间序列数据。