如何按一段时间将DataFrame分组？

Question

我从日志文件中获取了一些数据，想按分钟对条目进行分组：

 def gen(date, count=10):
     while count > 0:
         yield date, "event{}".format(randint(1,9)), "source{}".format(randint(1,3))
         count -= 1
         date += DateOffset(seconds=randint(40))

 df = DataFrame.from_records(list(gen(datetime(2012,1,1,12, 30))), index='Time', columns=['Time', 'Event', 'Source'])

df：

 Event  Source
 2012-01-01 12:30:00     event3  source1
 2012-01-01 12:30:12     event2  source2
 2012-01-01 12:30:12     event2  source2
 2012-01-01 12:30:29     event6  source1
 2012-01-01 12:30:38     event1  source1
 2012-01-01 12:31:05     event4  source2
 2012-01-01 12:31:38     event4  source1
 2012-01-01 12:31:44     event5  source1
 2012-01-01 12:31:48     event5  source2
 2012-01-01 12:32:23     event6  source1

我尝试了以下选项：

1. df.resample('Min') 级别太高，想要汇总。
2. df.groupby(date_range(datetime(2012,1,1,12, 30), freq='Min', periods=4)) 失败失败。
3. df.groupby(TimeGrouper(freq='Min'))工作正常，并返回一个DataFrameGroupBy对象进行进一步处理，例如：

   grouped = df.groupby(TimeGrouper(freq='Min'))
   

   grouped.Source.value_counts()
   2012-01-01 12:30:00 source1 1
   2012-01-01 12:31:00 source2 2
   source1 2
   2012-01-01 12:32:00 source2 2
   source1 2
   2012-01-01 12:33:00 source1 1
   
   

但是 ，TimeGrouper该类未记录。

在一段时间内进行分组的正确方法是什么？如何按分钟和“源”列对数据进行分组，例如groupby([TimeGrouper(freq='Min'), df.Source])？

Answer 1

您可以对与DataFrame长度相同的任何数组/系列进行分组-甚至是实际上不是DataFrame列的计算因子。因此，按分钟分组可以：

df.groupby(df.index.map(lambda t: t.minute))

如果您想按分钟或其他方式分组，只需将以上内容与要使用的列混合：

df.groupby([df.index.map(lambda t: t.minute), 'Source'])

就我个人而言，如果我想经常对它们进行分组，我发现仅将列添加到DataFrame来存储其中一些计算出的内容（例如，“
Minute”列）很有用，因为这使分组代码的详细程度降低了。

或者您可以尝试这样的事情：

df.groupby([df['Source'],pd.TimeGrouper(freq='Min')])