Суммирование количества вхождений в день pandas

У меня есть набор данных, подобный этому в фрейме pandas.

                                  score
timestamp                                 
2013-06-29 00:52:28+00:00        -0.420070
2013-06-29 00:51:53+00:00        -0.445720
2013-06-28 16:40:43+00:00         0.508161
2013-06-28 15:10:30+00:00         0.921474
2013-06-28 15:10:17+00:00         0.876710

Мне нужно подсчитать количество измерений, которые происходят, поэтому я ищу что-то вроде этого

                                    count
   timestamp
   2013-06-29                       2
   2013-06-28                       3

Мне не нравится колонка слияния, я хочу подсчет вхождений в день.

Ответы

Ответ 1

Если ваш индекс timestamp является DatetimeIndex:

import io
import pandas as pd
content = '''\
timestamp  score
2013-06-29 00:52:28+00:00        -0.420070
2013-06-29 00:51:53+00:00        -0.445720
2013-06-28 16:40:43+00:00         0.508161
2013-06-28 15:10:30+00:00         0.921474
2013-06-28 15:10:17+00:00         0.876710
'''

df = pd.read_table(io.BytesIO(content), sep='\s{2,}', parse_dates=[0], index_col=[0])

print(df)

поэтому df выглядит следующим образом:

                        score
timestamp                    
2013-06-29 00:52:28 -0.420070
2013-06-29 00:51:53 -0.445720
2013-06-28 16:40:43  0.508161
2013-06-28 15:10:30  0.921474
2013-06-28 15:10:17  0.876710

print(df.index)
# <class 'pandas.tseries.index.DatetimeIndex'>

Вы можете использовать:

print(df.groupby(df.index.date).count())

что дает

            score
2013-06-28      3
2013-06-29      2

Обратите внимание на важность параметра parse_dates. Без него индекс будет просто объектом pandas.core.index.Index. В этом случае вы не можете использовать df.index.date.

Таким образом, ответ зависит от type(df.index), который вы не указали...

Ответ 2

In [145]: df
Out[145]: 
timestamp
2013-06-29 00:52:28   -0.420070
2013-06-29 00:51:53   -0.445720
2013-06-28 16:40:43    0.508161
2013-06-28 15:10:30    0.921474
2013-06-28 15:10:17    0.876710
Name: score, dtype: float64

In [160]: df.groupby(lambda x: x.date).count()
Out[160]: 
2013-06-28    3
2013-06-29    2
dtype: int64

Ответ 3

В противном случае используйте resample.

In [419]: df
Out[419]: 
timestamp
2013-06-29 00:52:28   -0.420070
2013-06-29 00:51:53   -0.445720
2013-06-28 16:40:43    0.508161
2013-06-28 15:10:30    0.921474
2013-06-28 15:10:17    0.876710
Name: score, dtype: float64

In [420]: df.resample('D', how={'score':'count'})

Out[420]: 
2013-06-28    3
2013-06-29    2
dtype: int64

ОБНОВЛЕНИЕ: с pandas 0,18 +

как отметил @jbochi, resample с how теперь устарел. Вместо этого используйте

df.resample('D').apply({'score':'count'})