¿Cómo agrupar DataFrame por un período de tiempo?
Tengo algunos datos de los archivos de registro y me gustaría agrupar las entradas por un minuto:
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
Probé estas opciones:
df.resample('Min')
Es un nivel demasiado alto y quiere agregar.df.groupby(date_range(datetime(2012,1,1,12, 30), freq='Min', periods=4))
falla con la excepción.df.groupby(TimeGrouper(freq='Min'))
funciona bien y devuelve unDataFrameGroupBy
objeto para su posterior procesamiento, por ejemplo:
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
sin embargo, laTimeGrouper
La clase no está documentada.
¿Cuál es la forma correcta de agrupar por un período de tiempo? ¿Cómo puedo agrupar los datos por un minuto Y por la columna Fuente, por ejemplo?groupby([TimeGrouper(freq='Min'), df.Source])
?