Ich habe eine große Komma getrennte Datetime, unique_id
Datensatz wie folgt aussieht.Python Pandas Daten Sampling/Aggregation
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")