Python按天聚合DataFrame：统计日行程数与平均行程时长

原始数据结构 #

trip_id     date    journey_duration    weekday
0   913460  2019-08-31  00:13:00    Sat
1   913459  2019-08-31  00:17:00    Sat
2   913455  2019-08-31  00:05:00    Sat
3   913454  2019-08-31  00:07:00    Sat
4   913453  2019-08-31  00:13:00    Sat
5   913452  2019-08-31  00:05:00    Sat
6   913451  2019-08-31  00:15:00    Sat
7   913450  2019-08-31  00:04:00    Sat
8   913449  2019-08-31  00:03:00    Sat
9   913448  2019-08-31  00:15:00    Sat
10  913443  2019-08-31  00:12:00    Sat
11  913442  2019-08-31  00:10:00    Sat
12  913441  2019-08-31  00:07:00    Sat
13  913440  2019-08-31  00:05:00    Sat
14  913435  2019-08-31  00:08:00    Sat
15  913434  2019-08-31  00:05:00    Sat
16  913433  2019-08-31  00:03:00    Sat
17  913432  2019-08-31  00:12:00    Sat
18  913431  2019-08-31  00:10:00    Sat
19  913429  2019-08-31  00:15:00    Sat

需求与现有问题 #

需要按天聚合数据：

• 将trip_id转换为每日行程数量
• 将journey_duration转换为每日平均时长

现有代码仅能统计行程数，但会丢失journey_duration字段：

trip_data = (pd.to_datetime(trip_data['date'])
       .dt.floor('d')
       .value_counts()
       .rename_axis('date')
       .reset_index(name='count'))

正确解决方案 #

使用groupby+agg同时完成两个字段的聚合，步骤如下：

1. 预处理字段（若需要） #

如果date不是datetime类型、journey_duration是字符串格式，先转换：

import pandas as pd

# 将date转为datetime并按天取整
trip_data['date'] = pd.to_datetime(trip_data['date']).dt.floor('d')
# 将journey_duration转为timedelta类型（若原数据是字符串）
trip_data['journey_duration'] = pd.to_timedelta(trip_data['journey_duration'])

2. 按天聚合统计 #

# 按日期分组，同时统计行程数和平均时长
aggregated_data = trip_data.groupby('date').agg(
    daily_trip_count=('trip_id', 'count'),  # 统计每日行程数
    average_journey_duration=('journey_duration', 'mean')  # 计算每日平均时长
).reset_index()

代码说明 #

• groupby('date')：以日期为分组依据
• agg()：指定每个字段的聚合规则，同时给结果列设置易懂的别名
• reset_index()：将date从索引列转为普通数据列，保持结构清晰

内容的提问来源于stack exchange，提问作者Senners