Skip to main content
 首页 » 编程设计

python之按日期合并 CSV 条目并计算每个日期的条目

2024年11月24日11davidwang456

我有一个 CSV 文件,我正在使用 Pandas DataFrame 进行操作。我拥有的数据是推文数据,我想要做的是根据日期合并单元格,同时添加一个额外的列来显示特定日期的推文数量。例如:

示例原始 DataFrame:

date        mentions    photos    replies    retweets    likes    polarity 
2011-04-01     0          1         10          5          10        0.1 
2011-04-01     1          1          5          3          20       -0.3 
2011-04-02     2          0         15          2           5        0.5 
2011-04-02     3          0          0          4         100       -0.5 
2011-04-02     0          1          2          1          50        0.9 
2011-04-03     1          1          1          2           2        0.2 

预期输出数据帧:

date      mentions    photos    replies    retweets    likes    polarity  counts 
2011-04-01     1          2         15          8        30       -0.2       2 
2011-04-02     5          1         17          7       155        0.9       3    
2011-04-03     1          1          1          2         2        0.2       1 

通常我会使用 pd.DataFrame().groupby(['date']).sum() ,它会根据日期合并单元格,并对另一列求和值,但现在我想在右侧添加一个额外的列来计算推文的数量。我希望我说得够清楚了,但如果不清楚,请告诉我。

是否有内置库功能可以解决这个问题,还是我必须手动编写代码?

谢谢。

请您参考如下方法:

最简单的是添加由 DataFrame.assign 创建的新列和 Series.value_counts :

df = df.groupby('date').sum().assign(counts=df['date'].value_counts()) 
print (df) 
            mentions  photos  replies  retweets  likes  polarity  counts 
date                                                                     
2011-04-01         1       2       15         8     30      -0.2       2 
2011-04-02         5       1       17         7    155       0.9       3 
2011-04-03         1       1        1         2      2       0.2       1 

通用解决方案 - 通过所有列不带 date 的 dict.fromkeys 创建聚合字典 - 可以用于聚合 size,但是最后是必要的重命名它:

d = dict.fromkeys(df.columns.difference(['date']), 'sum') 
d['date'] = 'size' 
df = df.groupby('date').agg(d).rename(columns={'date':'counts'}) 
print (df) 
            likes  mentions  photos  polarity  replies  retweets  counts 
date                                                                     
2011-04-01     30         1       2      -0.2       15         8       2 
2011-04-02    155         5       1       0.9       17         7       3 
2011-04-03      2         1       1       0.2        1         2       1 

详细信息:

print (d) 
{'likes': 'sum', 'mentions': 'sum', 'photos': 'sum', 'polarity': 'sum',  
 'replies': 'sum', 'retweets': 'sum', 'date': 'size'}