用熊貓每日頻率計數

Question

As in this question我已經問過了，我正在嘗試這個時間來做同樣的計數，但每天都有。所以我想這段時間到做一個星期一的較低值設定的次數，星期二的幾次等等，並計算一週中第7天的總計數爲天值列表如下：

2013.01.01,00：00,1.31802

2013.01.02,00：00,1.32038

2013.01.03,00：00,1.31859

2013.01.04,00：00,1.30508

等

目前我使用的是熊貓這個，那我用來做一個小時數是一段代碼：

df = pd.read_csv(myPath, sep=',', header=None, parse_dates=[[0, 1]]) 
df.columns = ["date","value"] 
df.set_index("date", inplace=True) 
day_min = df.resample('D', how='min') 
df['is_day_min'] = day_min.lookup(df.index.normalize(), len(df) * ['value'])==df.value 
df.is_day_min.resample('H', np.sum).fillna(0).astype(int)  
df.groupby(df.index.time)["is_day_max"].sum().to_csv("C:\\2013frequency_min.csv") 

但是，當涉及到分析日常DATAS如果我改變重採樣在day_min（第4行）爲「W」，在第6行爲「D」，則會出現以下錯誤：KeyError：Timestamp（'2013-01-01 00:00:00'，tz = None）

Can有人幫忙嗎？我相信這很簡單，但熊貓文檔不幫助我。 即使任何人有一個不使用熊貓的解決方案顯示給我。如果它有效，那就沒關係。 感謝

Answer 1

您可以使用TimeGrouper，按周（看看值是否等於一週的分鐘），然後通過天重新取樣：

In [11]: week = df.groupby(pd.TimeGrouper('W')) 

In [12]: is_week_min = week['value'].apply(lambda x: x == x.min()).astype(int) # possibly the astype is not needed in 0.13 

In [13]: is_week_min.resample('D', how='sum') # count occurences in the day which are week min 
Out[13]: 
2013-01-01 0 
2013-01-02 0 
2013-01-03 0 
2013-01-04 1 
Freq: D, dtype: int64 

如果你想這個欄目，因爲每個星期幾，你可以內申請做GROUPBY：

In [14]: week['value'].apply(lambda x: ((x == x.min()).astype(int).groupby(x.index.dayofweek)).sum()).unstack(1) 
Out[14]: 
      1 2 3 4 
2013-01-06 0 0 0 1 

注：該指標是週末。

，並與您提供的引擎收錄鏈接：

In [21]: df = pd.read_csv('http://pastebin.com/raw.php?i=SuyWZLj5', header=None, parse_dates=[[0, 1]]) 
     df.columns = ['date', 'value'] 
     df.set_index('date', inplace=True) 

In [22]: df.groupby(pd.TimeGrouper('W')).value.apply(lambda x: ((x == x.min()).astype(int).groupby(x.index.dayofweek)).sum()).unstack(1) 
Out[22]: 
      0 1 2 3 4 
2013-01-06 NaN 0 0 0 1 
2013-01-13 0 0 0 1 0 
2013-01-20 0 0 0 1 0 
2013-01-27 1 0 0 0 0 
2013-02-03 0 1 0 0 0 
2013-02-10 0 0 0 0 1 
2013-02-17 0 0 0 0 1 
2013-02-24 0 0 0 0 1 
2013-03-03 0 0 1 0 NaN