如何按小时与星期几分组Pandas DataFrame统计文本数量？

问题描述 #

我有一个包含月度文本数据及时间戳的Pandas DataFrame，数据格式如下：

timestamp              text
2023-01-01 00:00:00    ABC
2023-01-01 00:00:01    DEF
2023-01-01 00:00:01    GHI
...

需要统计每周每一天中每个小时的文本总数，最终得到24×7=168个统计值——比如将所有周日10点-11点的文本数累加，所有周一同一时段的文本数累加，以此类推覆盖一周7天的24个小时。

此前尝试按小时分组后仅按day_of_week统计，会丢失小时维度信息，只能得到7条结果，需要同时结合星期几和小时进行分组统计。

解决方案 #

方法一：直接从原DataFrame一步分组统计 #

利用Pandas的dt属性提取星期几（dayofweek，0=周一，6=周日）和小时（hour）两个维度，直接分组求和，无需中间步骤：

# 按星期几+小时分组，统计文本总数
result = df.groupby([
    df["timestamp"].dt.dayofweek,
    df["timestamp"].dt.hour
])["text"].count().reset_index(name="total_count")

# 重命名列名，提升可读性
result.rename(columns={"timestamp": "day_of_week"}, inplace=True)

执行后result会包含168行数据，每行对应day_of_week（0-6）与hour（0-23）的唯一组合，以及该组合下的累计文本总数。

方法二：基于已生成的hours_df二次分组 #

如果需要沿用你已经创建的hours_df，只需在groupby中同时传入day_of_week和小时字段，对小时级统计值求和：

# 从hours_df的timestamp中提取小时，与day_of_week共同分组
day_hour_df = hours_df.groupby([
    "day_of_week",
    hours_df["timestamp"].dt.hour
])["count_hours"].sum().reset_index(name="total_count")

# 重命名小时列
day_hour_df.rename(columns={"timestamp": "hour"}, inplace=True)

可选优化：将星期数字转换为中文名称 #

如果需要更直观的星期名称展示，可以添加映射转换：

weekday_mapping = {0: "周一", 1: "周二", 2: "周三", 3: "周四", 4: "周五", 5: "周六", 6: "周日"}
result["day_name"] = result["day_of_week"].map(weekday_mapping)

内容的提问来源于stack exchange，提问作者cicciodevoto