recorrer - Contando la frecuencia de valores por fecha usando pandas

recorrer data frame pandas

Question

Supongamos que tengo siguientes series de tiempo:

Timestamp              Category
2014-10-16 15:05:17    Facebook
2014-10-16 14:56:37    Vimeo
2014-10-16 14:25:16    Facebook
2014-10-16 14:15:32    Facebook
2014-10-16 13:41:01    Facebook
2014-10-16 12:50:30    Orkut
2014-10-16 12:28:54    Facebook
2014-10-16 12:26:56    Facebook
2014-10-16 12:25:12    Facebook
...
2014-10-08 15:52:49    Youtube
2014-10-08 15:04:50    Youtube
2014-10-08 15:03:48    Vimeo
2014-10-08 15:02:27    Youtube
2014-10-08 15:01:56    DailyMotion
2014-10-08 13:27:28    Facebook
2014-10-08 13:01:08    Vimeo
2014-10-08 12:52:06    Facebook
2014-10-08 12:43:27    Facebook
Name: summary, Length: 600

Me gustaría hacer un recuento de cada categoría (Valor / Factor Único en las Series de Tiempo) por semana y año.

Example:

    Week/Year      Category      Count
    1/2014         Facebook      12
    1/2014         Google        5
    1/2014         Youtube       2
...    
    2/2014         Facebook      2
    2/2014         Google        5
    2/2014         Youtube       20
...

¿Cómo se puede lograr esto utilizando pandas de Python?

Answer 1

Convierta su columna de TimeStamp en número de semana y luego agrupe por número de semana y value_count la variable categórica así:

df.groupby(''week_num'').Category.value_counts()

Donde asumí que se creó una nueva columna week_num partir de la columna TimeStamp.

Answer 2

Para ser un poco más claro, no necesita crear una nueva columna llamada ''week_num'' primero.

df.groupby(by=lambda x: "%d/%d" % (x.week(), x.year())).Category.value_counts()

La función llamará automáticamente a cada objeto de marca de tiempo del índice para convertirlos en semana y año, y luego agruparlos por semana y año.

Answer 3

Podría ser más fácil convertir su Serie en un Marco de Datos y usar la funcionalidad groupby Pandas (si ya tiene un Marco de Datos, salte directamente a agregar otra columna a continuación).

Si su Serie se llama s , entonces conviértala en un DataFrame así:

>>> df = pd.DataFrame({''Timestamp'': s.index, ''Category'': s.values})
>>> df
       Category           Timestamp
0      Facebook 2014-10-16 15:05:17
1         Vimeo 2014-10-16 14:56:37
2      Facebook 2014-10-16 14:25:16
...

Ahora agregue otra columna para la semana y el año (una forma es usar apply y generar una cadena de los números de la semana / año):

>>> df[''Week/Year''] = df[''Timestamp''].apply(lambda x: "%d/%d" % (x.week, x.year))
>>> df
             Timestamp     Category Week/Year
0  2014-10-16 15:05:17     Facebook   42/2014
1  2014-10-16 14:56:37        Vimeo   42/2014
2  2014-10-16 14:25:16     Facebook   42/2014
...

Finalmente, agrupe por ''Week/Year'' y ''Category'' y agregue con size() para obtener los conteos. Para los datos en su pregunta esto produce lo siguiente:

>>> df.groupby([''Week/Year'', ''Category'']).size()
Week/Year  Category   
41/2014    DailyMotion    1
           Facebook       3
           Vimeo          2
           Youtube        3
42/2014    Facebook       7
           Orkut          1
           Vimeo          1