3

Tengo una tabla con una columna "DateAndTime" (formato año-mes-día-hora-minuto-segundo) y otra columna "Status", en esta columna tengo 3 valores posibles: Hiper, Hipo, Okey. Este data frame se llama "dataOfStatusTimings"

          DateAndTime Status Duration   
0 2019-01-09 00:07:00  Hiper 04:30:00 
1 2019-01-09 04:37:00   Okey 06:15:00  
2 2019-01-09 10:52:00  Hiper 01:15:00  
3 2019-01-09 12:07:00   Okey 00:30:00  
4 2019-01-09 12:37:00   Hipo 01:00:00    

Me gustaría agrupar la tabla de tal forma que me diga cuántos Hiper, Hipo y Okey, hay por mes-año.

Lo he conseguido agrupar pero por día, no por mes.

Para ello, primero he puesto el "DateAndTime" en dos columnas diferentes "Date" y "Time":

dataOfStatusTimings['Date']=[d.date() for d in dataOfStatusTimings['DateAndTime']]
dataOfStatusTimings['Time']=[d.time() for d in dataOfStatusTimings['DateAndTime']]

Obteniendo:

         DateAndTime Status Duration        Date      Time
0 2019-01-09 00:07:00  Hiper 04:30:00  2019-01-09  00:07:00
1 2019-01-09 04:37:00   Okey 06:15:00  2019-01-09  04:37:00
2 2019-01-09 10:52:00  Hiper 01:15:00  2019-01-09  10:52:00
3 2019-01-09 12:07:00   Okey 00:30:00  2019-01-09  12:07:00
4 2019-01-09 12:37:00   Hipo 01:00:00  2019-01-09  12:37:00  

Y luego he agrupado por el campo "Date" y "Status":

dataOfStatusCounting = dataOfStatusTimings.groupby(['Date', 'Status']).agg({'Status': ['count']}).unstack('Status').fillna(0).reset_index()

Obteniendo:

     Date Status          
                    count          
Status              Hiper Hipo Okey
0       2019-01-09    4.0  2.0  5.0
1       2019-01-10    4.0  3.0  6.0
2       2019-01-11    4.0  3.0  6.0
3       2019-01-12    2.0  2.0  4.0
4       2019-02-09    3.0  2.0  5.0

¿Cómo podría agruparla por mes-año? De manera que no se agrupen juntos los datos de enero de 2018 y enero 2019, si no que estén por un lado enero 2018 y por otro enero 2019.

Ya se que puedo obtener el año y el mes por separado de la siguiente forma:

pd.DatetimeIndex(dataOfStatusTimings['Date']).year

Obteniendo:

Int64Index([2019, 2019, 2019, 2019, 2019, 2019, 2019, 2019, 2019, 2019,
            ...
            2019, 2019, 2019, 2019, 2019, 2019, 2019, 2019, 2019, 2019],
           dtype='int64', name='Date', length=1469)

2 respuestas 2

3

Acabo de descubrir cómo puedo agruparlo. Primero añado 2 columnas: año y mes, de la siguiente forma.

A = dataOfStatusTimings
    A['Month'] = pd.DatetimeIndex(dataOfStatusTimings['DateAndTime']).month
    A['Year'] = pd.DatetimeIndex(dataOfStatusTimings['DateAndTime']).year

Siendo A:

     DateAndTime Status Duration        Date      Time  Month  Year
0 2019-01-09 00:07:00  Hiper 04:30:00  2019-01-09  00:07:00      1  2019
1 2019-01-09 04:37:00   Okey 06:15:00  2019-01-09  04:37:00      1  2019
2 2019-01-09 10:52:00  Hiper 01:15:00  2019-01-09  10:52:00      1  2019
3 2019-01-09 12:07:00   Okey 00:30:00  2019-01-09  12:07:00      1  2019
4 2019-01-09 12:37:00   Hipo 01:00:00  2019-01-09  12:37:00      1  2019

Y luego agrupo de esta manera:

    B = A.groupby(['Month', 'Year', 'Status']).agg({'Status': ['count']}).unstack('Status').fillna(0).reset_index()

Llegando a lo que quería:

 Month  Year Status          
                    count          
Status              Hiper Hipo Okey
0          1  2019     14   10   21
1          2  2019     11    7   18
2          3  2019     13   12   25
3          4  2019     14    9   24
4          5  2019     12   11   26
1
  • no olvides marcar como aceptada tu respuestas, claro esto lo tendras que hacer 24 horas despues de haber respondido Commented el 12 dic. 2019 a las 14:36
2

Otra posibilidad, más compacta y quizás más legible, pero sobre todo más flexible, sería la siguiente:

Partimos del siguiente dataframe de ejemplo:

>>> df
           DateAndTime Status  Duration
0  2019-01-09 00:07:00  Hiper  04:30:00
1  2019-01-09 04:37:00   Okey  06:15:00
2  2019-01-09 10:52:00  Hiper  01:15:00
3  2019-01-09 12:07:00   Okey  00:30:00
4  2019-01-09 12:37:00   Hipo  01:00:00

Nos aseguramos de que la columna con la fecha y hora sea de tipo datetime:

>>> df.DateAndTime = pd.to_datetime(df.DateAndTime)

Utilizando crosstab, se crean automáticamente nuevas columnas "Hiper", "Hipo", "Okey" con un 1 o un 0 según corresponda en cada fila:

>>> pd.crosstab(df.DateAndTime, df.Status)
Status               Hiper  Hipo  Okey
DateAndTime                           
2019-01-09 00:07:00      1     0     0
2019-01-09 04:37:00      0     0     1
2019-01-09 10:52:00      1     0     0
2019-01-09 12:07:00      0     0     1
2019-01-09 12:37:00      0     1     0

Y ahora ya puedes hacer .resample() sobre el índice, para juntar todas las muestras por cualquier intervalo temporal que desees. En tu caso decías por meses, entonces puedes hacer .resample("M").sum():

>>> pd.crosstab(df.DateAndTime, df.Status).resample("M").sum()
Status       Hiper  Hipo  Okey
DateAndTime                   
2019-01-31       2     1     2

Este ejemplo con tan pocos datos queda muy "soso", pero la gracia es que puedes resamplear por cualquier otro intervalo. Por ejemplo, cada 12 horas:

>>> pd.crosstab(df.DateAndTime, df.Status).resample("12H").sum()
Status               Hiper  Hipo  Okey
DateAndTime                           
2019-01-09 00:00:00      2     0     1
2019-01-09 12:00:00      0     1     1

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.