使用pandas resample将Twitter时间序列划分为n分钟桶并统计各桶数量
问题原因
你代码的核心错误是选择了字符串类型的created_at列执行sum()操作:sum()针对字符串默认执行拼接逻辑,因此你得到的是异常的字符串拼接结果,而非统计计数。
修正后可直接运行的代码
import pandas as pd # x为你的推特时间字符串列表 x = ['Wed Jul 07 07:39:41 +0000 2021', 'Wed Jul 07 09:25:06 +0000 2021', 'Wed Jul 07 10:12:24 +0000 2021', # 其余数据 ] df = pd.DataFrame(x, columns=["created_at"]) # 把字符串转成pandas datetime格式,设置为索引 df.index = pd.to_datetime(df["created_at"]) # resample后调用count()统计每个桶的数量,再转成你需要的整数列表 result_list = df.resample("15T").count()["created_at"].tolist() print(result_list)
自定义调整说明
- 若需要修改时间桶长度,直接修改
resample的参数即可:10T对应10分钟桶、30T对应30分钟桶,参数单位T表示分钟 - 输出的
result_list就是按时间从早到晚排序的整数列表,每个元素对应一个时间桶的计数,完全符合你的需求
内容的提问来源于stack exchange,提问作者redacted code
相关产品推荐
相关产品推荐

