pandas之groupby() 分组

time                         data
2018-05-01 00:00:00.650   57
2018-05-01 00:00:01.990   54
2018-05-01 00:00:09.487   73
2018-05-01 00:00:14.607   95
2018-05-01 00:00:16.350   77
2018-05-01 00:00:16.397   28
2018-05-01 00:00:16.563   54
2018-05-01 00:00:25.457   19
2018-05-01 00:00:31.140   09
2018-05-01 00:00:54.427   18
2018-05-01 00:00:55.387   39
2018-05-01 00:01:02.193   97
2018-05-01 00:01:07.447   39
2018-05-01 00:01:09.020   41
2018-05-01 00:01:11.033   93
2018-05-01 00:01:25.693   42
2018-05-01 00:02:03.900   42
2018-05-01 00:02:04.190   84
2018-05-01 00:02:05.727   39
2018-05-01 00:02:10.910   40

现在有一个df的数据如上所示 ↑↑↑

现在要按照日期和小时进行分组，此时可以先将time列设置为索引，

df.set_index("time", inpalce=True)

inplace参数是表示在原数据框上修改，此时的df的time列就已经变成了索引，可以使用df.index进行验证。这里就不细说了。

至于为什么要把事件列设置为索引，是因为后面要根据日期和小时进行分组，这样取值更方便。接下来就会用到。

使用pandas的groupby函数进行分组：

dp = df.groupby([lambda x:x.day, lambda x:x.hour, "data"])

此时的dp是一个GroupBy对象，没有进行任何计算，不过已经具备了接下来对各分组执行运算所需要的一切信息。后面可以接GroupBy的计算方法，比如：sum(), meam(), size()，agg()等等。

为了进行下一步，我们在上面的一行代码后面加一个size()方法。

dp = df.groupby([lambda x:x.day, lambda x:x.hour, "data"]).size()

此时的dp经过计算可以进行显示了。如下所示↓↓↓

      data
1  0  18      1
      19      2
      28      1
      39      3
      40      1
      41      1
      42      2
      54      2
      57      1
      73      1
      77      1
      84      1
      93      1
      95      1
      97      1
dtype: int64

下面给最后一列统计的次数一个列明，进行保存：

new_dp = dp.reset_index(name="times")

new_dp是新生成的一个DataFrame：

    level_0  level_1  data  times
0         1        0    18      1
1         1        0    19      2
2         1        0    28      1
3         1        0    39      3
4         1        0    40      1
5         1        0    41      1
6         1        0    42      2
7         1        0    54      2
8         1        0    57      1
9         1        0    73      1
10        1        0    77      1
11        1        0    84      1
12        1        0    93      1
13        1        0    95      1
14        1        0    97      1

level_0标签是日期，也就是5月1号的1号；

level_1列就是小时了，因为每天是从0点开始的，所以就是0；

data列是原来df的data列数据，只不过也进行了分组处理；

times列是将data列分组后，每小时内出现的次数。