如何計算大熊貓每天的總和？

Question

我有數據集看起來就像是：

    time raccoons_bought  x y 
22443 1984-01-01 00:00:01  1 55.776462 37.593956 
2143 1984-01-01 00:00:01  4 55.757121 37.378225 
9664 1984-01-01 00:00:33  3 55.773702 37.599220 
33092 1984-01-01 00:01:39  3 55.757121 37.378225 
16697 1984-01-01 00:02:32  2 55.678549 37.583023 

我需要計算多少浣熊每 一天買了那麼我做什麼： 化妝時間指數

df = df.set_index(['time']) 

排序數據集由它

df.groupby(df.index.date).count() 

但之前我將排序我需要刪除x和y列的平均座標

如果我不刪除數據集將看起來像：

 raccoons_bought x  y 
1984-01-01 5497 5497 5497 
1984-01-02 5443 5443 5443 
1984-01-03 5488 5488 5488 
1984-01-04 5453 5453 5453 
1984-01-05 5536 5536 5536 
1984-01-06 5634 5634 5634 
1984-01-07 5468 5468 5468 

如果我刪除它，數據集將顯得精緻：

 raccoons_bought 
1984-01-01 5497 
1984-01-02 5443 
1984-01-03 5488 
1984-01-04 5453 
1984-01-05 5536 
1984-01-06 5634 
1984-01-07 5468 

所以我的問題是如何計算每raccoons_bought並保存座標不變，因爲我想在地圖上繪製這個座標並找到誰買了浣熊

Answer 1

你可以這樣做：

In [82]: df 
Out[82]: 
         time raccoons_bought   x   y 
22443 1984-01-01 00:00:01    1 55.776462 37.593956 
2143 1984-01-01 00:00:01    4 55.757121 37.378225 
9664 1984-01-01 00:00:33    3 55.773702 37.599220 
33092 1984-01-01 00:01:39    3 55.757121 37.378225 
16697 1984-01-01 00:02:32    2 55.678549 37.583023 

In [83]: df.groupby(pd.to_datetime(df.time).dt.date).agg(
    ...:  {'raccoons_bought': 'sum', 'x':'first', 'y':'first'}).reset_index() 
Out[83]: 
     time   y   x raccoons_bought 
0 1984-01-01 37.593956 55.776462    13 

In [84]: 

請注意，我用的sum作爲raccoons_bought聚合函數得到總的，如果你只是需要它的發生變化count或size

Answer 2

您可以使用：

#if necessary convert to datetime 
df['time'] = pd.to_datetime(df['time']) 
#thank you JoeCondron 
# trim the timestamps to get the datetime object, faster 
dates = df['time'].dt.floor('D') 
#if necessary python date object, slowier 
#dates = df['time'].dt.floor('D') 

#aggregate size if want count NaNs 
#aggregate count if want omit NaNs 
df1 = df.groupby(dates).size() 
print (df1) 
time 
1984-01-01 5 
dtype: int64 

#if need sums 
df11 = df.groupby(dates)['raccoons_bought'].sum().reset_index() 
print (df11) 
     time raccoons_bought 
0 1984-01-01    13 

如果不需要更改原始列需要transform與sum（或size或count）：

在列表

mask = df.groupby(dates)['raccoons_bought'].transform('sum') > 4 
df2 = df.loc[mask, 'raccoons_bought'] 
print (df2) 
22443 1 
2143  4 
9664  3 
33092 3 
16697 2 
Name: raccoons_bought, dtype: int64 

如果需要獨特的價值觀：

a = df.groupby(dates)['raccoons_bought'].transform('sum') 
print (a) 
22443 13 
2143  13 
9664  13 
33092 13 
16697 13 
Name: raccoons_bought, dtype: int64 

然後根據條件篩選所​​有行

df2 = df.loc[mask, 'raccoons_bought'].unique().tolist() 
print (df2) 
[1, 4, 3, 2]