python使用pandas实现数据分割实例代码

2020-01-04 16:06:08

字体：大中小

来源：转载

供稿：网友

本文研究的主要是Python编程通过python/52226.html">python/280952.html">pandas将数据分割成时间跨度相等的数据块的相关内容，具体如下。

先上数据，有如下dataframe格式的数据，列名分别为date、ip，我需要统计每5s内出现的ip，以及这些ip出现的频数。

 ip   date0 127.0.0.21 15/Jul/2017:18:22:161 127.0.0.13 15/Jul/2017:18:22:162 127.0.0.11 15/Jul/2017:18:22:173 127.0.0.11 15/Jul/2017:18:22:204 127.0.0.21 15/Jul/2017:18:22:215 127.0.0.13 15/Jul/2017:18:22:226 127.0.0.14 15/Jul/2017:18:26:367 127.0.0.16 15/Jul/2017:18:32:158 127.0.0.11 15/Jul/2017:18:36:03

在网上找了很久但是没看到python的相关答案，但在stackoverflow找到了R语言的解法，有兴趣可以看看。

受它的启发，我用不太优雅的方式实现了我的需求，有更好解决方法的请不吝赐教：

step1: 将数据中日期格式变为标准格式

#date_ip为我的dataframe数据date_ip['date'] = pd.to_datetime(date_ip['date'], format='%d/%b/%Y:%H:%M:%S')

step2: 将数据的开始时间、结束时间，按5s分割（由于时间段可能不是恰好是5s的倍数，为避免最后一个时间丢失，因此在最后加上5s）

frequency = 5time_range = pd.date_range(date_ip['date'][0],    date_ip['date'][date_ip.shape[0]-1]    +frequency*Second(), freq='%sS'%frequency)

step3: 将date变为索引

date_ip = date_ip.set_index('date')

step4: 对每个时间段内的数据进行频数计算（由于通过标签切片时会包含头、尾数据，为避免重复计算，因此在尾部减1s）

for i in xrange(0,len(time_range)-1): print get_frequency(date_ip.loc[time_range[i]:time_range[i+1]-1*Second()])

完整的代码

import pandas as pdfrom pandas.tseries.offsets import Seconddef get_frequency(date_ip): ip_frequency = {} for i in xrange(0,date_ip.shape[0]): ip_frequency[date_ip['ip'][i]] = ip_frequency.get(date_ip['ip'][i], 0) + 1 return ip_frequency,date_ip.shape[0]if __name__ == '__main__':  date_ip['date'] = pd.to_datetime(date_ip['date'], format='%d/%b/%Y:%H:%M:%S') frequency = 5 time_range = pd.date_range(date_ip['date'][0], date_ip['date'][date_ip.shape[0]-1]    +frequency*Second(), freq='%sS'%frequency)  date_ip = date_ip.set_index('date') for i in xrange(0, len(time_range) - 1): print get_frequency(date_ip.loc[time_range[i]:time_range[i + 1]-1*Second()])

文章开头数据运行结果：

({'127.0.0.21' : 1, '127.0.0.13' : 1, '127.0.0.11' : 2}, 4)({'127.0.0.21': 1, '127.0.0.13': 1}, 2)({'127.0.0.14': 1}, 1)({'127.0.0.16': 1}, 1)({'127.0.0.11': 1}, 1)