每小时的行数

问题描述

我正在浏览自行车共享数据。

我组合了两个表：一个包含自行车共享数据，另一个包含天气数据。"开始日期"列在自行车共享数据中。"日期"列位于天气数据中。

我想对每小时的ID计数进行分组，以便可以查看天气对自行车使用的影响。

ID	开始	结束	开始日期	持续时间	日期	雨	临时	wdsp
1754125	爱广场南	Glenina	2019年1月1日00：17	00：15：02	2019年1月1日00：00	0.0	9.9	4.0
1754170	棕色门口	高威大学医院	2019年1月1日07：55	00：04：57	01-01-2019年01：00	0.0	9.3	4.0
1754209	新码头街	新码头街	2019年1月1日11：42	02：57：57	2019年1月1日02：00	0.0	9.2	5.0
1754211	克拉达格盆地	招商门	2019年1月1日11：50	00：02：43	01-01-2019年03：00	0.0	9.1	5.0

我已尝试：

data.groupby(['date','ID']).size()
data.groupby(['date','ID']).size().reset_index(name='counts')

但我真的不知道我在做什么。如有任何帮助，我们将不胜感激。

---

解决方案

我假设您希望能够按ID、日期和小时对行进行计数，因此可以执行以下操作：

df['Date'] = df['Date Start'].dt.normalize()
df['hour'] = df['Date Start'].apply(lambda x: x.hour)

要获取日期和完整小时数：

     ID              Start                         End          Date Start  
0  1754125  Eyre Square South                     Glenina 2019-01-01 00:17:00   
1  1754170      Brown Doorway  University Hospital Galway 2019-01-01 07:55:00   
2  1754209    New Dock Street             New Dock Street 2019-01-01 11:42:00   
3  1754211     Claddagh Basin              Merchants Gate 2019-01-01 11:50:00   

   Duration              date  rain  temp  wdsp       Date  hour  
0  00:15:02  2019-01-01 00:00   0.0   9.9   4.0 2019-01-01     0  
1  00:04:57  2019-01-01 01:00   0.0   9.3   4.0 2019-01-01     7  
2  02:57:57  2019-01-01 02:00   0.0   9.2   5.0 2019-01-01    11  
3  00:02:43  2019-01-01 03:00   0.0   9.1   5.0 2019-01-01    11  

然后使用GROUP BY：

df.groupby(['ID','Date','hour']).size()

，它返回

ID        Date        hour
1754125  2019-01-01  0       1
1754170  2019-01-01  7       1
1754209  2019-01-01  11      1
1754211  2019-01-01  11      1
dtype: int64