Pandas：基于日期的出现次数求和

在本文中，我们将介绍如何使用Pandas按日期对数据进行分组，并求出每个日期的出现次数之和。

假设我们有一个包含日期和事件的数据集，如下所示：

import pandas as pd

data = {'Date': ['2021-01-01', '2021-01-01', '2021-01-02', '2021-01-02', '2021-01-03'],
        'Event': ['A', 'B', 'A', 'B', 'C']}
df = pd.DataFrame(data)

现在，我们希望按照日期对事件进行分组，并计算每个日期中每个事件出现的次数之和。

阅读更多：Pandas 教程

解决方案

使用Pandas中的groupby方法可以轻松地按照日期对数据进行分组：

grouped = df.groupby('Date')

现在，我们可以利用grouped对象对数据进行聚合操作。为了计算每个日期中每个事件的出现次数之和，我们可以使用value_counts方法对每个日期的Event列进行计数：

counts = grouped['Event'].value_counts()

这将返回一个按照日期和事件进行索引的Series对象，其中包含每个日期中每个事件的出现次数。

为了将此Series对象转换为DataFrame对象并重命名它的列，我们可以使用reset_index方法：

counts_df = counts.reset_index(name='Count')

现在，counts_df包含每个日期和每个事件出现的次数。

示例

让我们使用以下示例数据集来说明如何按日期计算事件出现的次数之和：

data = {'Date': ['2021-01-01', '2021-01-01', '2021-01-02', '2021-01-02', '2021-01-03', '2021-01-03'],
        'Event': ['A', 'B', 'A', 'B', 'C', 'C']}
df = pd.DataFrame(data)

我们可以按照以下步骤计算每个日期的出现次数：

首先，按照日期对数据进行分组：

grouped = df.groupby('Date')

然后，使用value_counts方法对每个日期的Event列进行计数：

counts = grouped['Event'].value_counts()

最后，使用reset_index方法将Series对象转换为DataFrame对象并重命名列：

counts_df = counts.reset_index(name='Count')

这将返回以下DataFrame对象：

       Date Event  Count
0  2021-01-01     A      1
1  2021-01-01     B      1
2  2021-01-02     A      1
3  2021-01-02     B      1
4  2021-01-03     C      2