Python Pandas Daten Sampling/Aggregation

Question

Ich habe eine große Komma getrennte Datetime, unique_id Datensatz wie folgt aussieht.

datetime, unique_id 
2016-09-01 19:50:01, bca8ca1c91d283212faaade44c6185956265cc09 
2016-09-01 19:50:02, ddd20611d47597435412739db48b0cb04599e340 
2016-09-01 19:50:10, 5b8776d7dc0b83f9bd9ad70a403a5f605e37d4d4 
2016-09-01 19:50:14, 2b8a2d7179fe08f8c87d125ad5bc41b5eb79d06f 
2016-09-01 19:50:20, 902c4428e08f4324a70a5a4bbfabb657c4a9ffc3 
2016-09-01 19:50:23, bca8ca1c91d283212faaade44c6185956265cc09 
2016-09-01 19:51:10, a2e6521c66e7207398ffe3d4e5bab449f75e616d 
2016-09-01 19:51:11, a2e6521c66e7207398ffe3d4e5bab449f75e616d 
2016-09-01 19:51:20, f7cfa02eeb3feed2a0f616185312925e4190c66b 
2016-09-01 19:51:30, 0bb21868b55b832f1315438ccdb9c508cf37b8b4 
2016-09-01 19:51:40, cb3cfe7bc2fa40d20db23ddc209d2062e10c2ce3 
2016-09-01 19:51:50, 2b8a2d7179fe08f8c87d125ad5bc41b5eb79d06f 
2016-09-01 19:51:55, 099ba09cd602f9d9bb20f5ebc195686dc133b464 
2016-09-01 19:52:00, c300e6a54013ee56facab294e326aa523cd4c60a 
2016-09-01 19:53:01, bca8ca1c91d283212faaade44c6185956265cc09 
2016-09-01 19:53:04, 902c4428e08f4324a70a5a4bbfabb657c4a9ffc3 
2016-09-01 19:53:10, 5b8776d7dc0b83f9bd9ad70a403a5f605e37d4d4 
2016-09-01 19:53:11, 2b8a2d7179fe08f8c87d125ad5bc41b5eb79d06f 
2016-09-01 19:53:17, bca8ca1c91d283212faaade44c6185956265cc09 
2016-09-01 19:53:20, 0fe1560c790c78b960b66e7d7336dd76d2ea12cf 
2016-09-01 19:53:40, ddd20611d47597435412739db48b0cb04599e340 

Mit Python Pandas, würde Ich mag Graf von unique ids pro minute erhalten. Für z.

datetime, count(unique_id) 
2016-09-01 19:50:00, 5 
2016-09-01 19:51:00, 6 
2016-09-01 19:52:00, 1 
2016-09-01 19:53:00, 6 

Ich versuchte pandas.DataFrame.resample verwenden, aber sieht aus wie das ist nicht der Weg, dieses Problem zu nähern.

resampled_data = raw_df.set_index(pd.DatetimeIndex(raw_df["datetime"])).resample("1T") 

Answer 1

Sie können die Datumzeit als Index gesetzt und die pandas.TimeGrouper verwenden, um die Gruppenvariable zu erstellen, die in der Zeit können Datenrahmen mit festgelegter Frequenzgruppe, und dann die Anzahl der eindeutigen IDs zählen:

import pandas as pd 
df.set_index(pd.to_datetime(df.datetime)).groupby(pd.TimeGrouper(freq = "min"))['unique_id'].nunique() 

#   datetime 
#2016-09-01 19:50:00 5 
#2016-09-01 19:51:00 6 
#2016-09-01 19:52:00 1 
#2016-09-01 19:53:00 6 
#Freq: T, Name: unique_id, dtype: int64 

Answer 2

ich glaube, Sie angeben müssen Series-['unique_id'] und fügen Resampler.nunique:

resampled_data = raw_df.set_index(pd.DatetimeIndex(raw_df["datetime"])) 
         .resample("1T")['unique_id'] 
         .nunique() 
print (resampled_data) 
2016-09-01 19:50:00 5 
2016-09-01 19:51:00 6 
2016-09-01 19:52:00 1 
2016-09-01 19:53:00 6 
Freq: T, Name: unique_id, dtype: int64