0

Tengo una dataframe news_df con títulos de artículos y fechas y quiero agrupar los artículos que fueron escrito el mismo día sobre la misma línea.

    name
date    
2019-01-17 14:41:00 Forte hausse de l'indice Philly Fed en janvier
2019-01-17 14:36:00 Baisse des inscriptions hebdomadaires au chômage
2019-01-16 22:30:00 Wall Street finit en hausse, Goldman Sachs et ...
2019-01-16 16:14:00 Wall Street, soutenue par les résultats de ban...
2019-01-16 14:36:00 Baisse de 1% des prix à l'import en décembre
...

Intente lo siguiente:

news_df.resample('D', on='name')

Pero me da:

---------------------------------------------------------------------------
TypeError                                 Traceback (most recent call last)
<ipython-input-275-bdfd57eadc21> in <module>
----> 1 news_df.resample('D', on='name')

C:\ProgramData\Anaconda3\lib\site-packages\pandas\core\generic.py in resample(self, rule, how, axis, fill_method, closed, label, convention, kind, loffset, limit, base, on, level)
   7108                      axis=axis, kind=kind, loffset=loffset,
   7109                      convention=convention,
-> 7110                      base=base, key=on, level=level)
   7111         return _maybe_process_deprecations(r,
   7112                                            how=how,

    C:\ProgramData\Anaconda3\lib\site-packages\pandas\core\resample.py in resample(obj, kind, **kwds)
       1146     """ create a TimeGrouper and return our resampler """
       1147     tg = TimeGrouper(**kwds)
    -> 1148     return tg._get_resampler(obj, kind=kind)
       1149 
       1150 

    C:\ProgramData\Anaconda3\lib\site-packages\pandas\core\resample.py in _get_resampler(self, obj, kind)
       1274         raise TypeError("Only valid with DatetimeIndex, "
       1275                         "TimedeltaIndex or PeriodIndex, "
    -> 1276                         "but got an instance of %r" % type(ax).__name__)
       1277 
       1278     def _get_grouper(self, obj, validate=True):

    TypeError: Only valid with DatetimeIndex, TimedeltaIndex or PeriodIndex, but got an instance of 'Index'

1 respuesta 1

0

voy a intentar contestarte yo a esta también. Aquí el problema que veo es que Pandas no está cogiendo el Index de la tabla bien. Esto es porque la fecha (date) está metida en la tabla como un str. Por lo que lo toma como un Index normal. Y lo necesitas como DatetimeIndex, PeriodIndex, o TimedeltaIndex para poder hacer el resample pandas.DataFrame.resample.

Solución:

  • Debes parsear el str de la fecha a un objeto Datetime.
  • Usar resample sobre date y sumar los valores.

Código:

import requests
from bs4 import BeautifulSoup
import pandas as pd
from time import strptime

page = requests.get(
    'https://www.abcbourse.com/marches/news_valeur.aspx?p=1&s=DJIAx')

# Create a BeautifulSoup object
soup = BeautifulSoup(page.text, 'html.parser')
actualites_ws = soup.find(class_='inner_left2')
spans_date_article = actualites_ws.find_all('span', class_="lh24")

# Variable para crear DataFrame
data = {'date': [], 'name': []}
for article in spans_date_article:
    data['name'].append(article.find('a').text)
    data['date'].append(
        pd.to_datetime(
            article.find('span', class_="mr5").text, format="%d/%m/%y %M:%S"))

# Crear DataFrame
df = pd.DataFrame(data=data)

# Agrupar
df = df.resample('D', on='date').sum()

print(df)

Prueba a ver si te funciona. ˆˆ

Tu Respuesta

By clicking “Publica tu respuesta”, you agree to our terms of service and acknowledge you have read our privacy policy.

¿No es la respuesta que buscas? Examina otras preguntas con la etiqueta o formula tu propia pregunta.