如何按类别统计数据集中日期出现次数并生成新DataFrame

你的需求是统计每个日期下各分类的出现总次数，目前的代码逻辑不符合需求，以下是修正后的方案：

核心思路 #

利用pandas的分组聚合功能，直接按date和class_id分组，统计每组的记录数量（完全匹配你给出的示例输出要求）。

修正后的代码 #

from google.colab import drive
drive.mount('/content/gdrive', force_remount=True)

import pandas as pd

# 读取CSV文件，解析时间列并设为索引
data = pd.read_csv(
    'gdrive/My Drive/Colab_Notebooks/classproject/classdata.csv',
    parse_dates=['timedate'],
    index_col='timedate'
)

# 从时间索引中提取日期字段
data['date'] = data.index.date

# 按日期和类别分组，统计每组记录数并转换为目标DataFrame
result = data.groupby(['date', 'class_id']).size().reset_index(name='count')

# 输出结果
print(result)

代码说明 #

1. 清理冗余依赖：移除了不需要的sklearn相关库（你的需求和机器学习无关）
2. 分组统计：groupby(['date', 'class_id'])将数据按日期+类别维度拆分，size()统计每组的记录条数，reset_index(name='count')把聚合结果转换为标准DataFrame格式
3. 结果匹配示例：运行后会直接输出和你预期一致的统计结果

额外适配 #

如果你的输入CSV中count列是需要求和的数值（而非记录序号），只需将size()替换为求和逻辑即可：

result = data.groupby(['date', 'class_id'])['count'].sum().reset_index()

内容的提问来源于stack exchange，提问作者Sonny