Pandas：计算给定时间范围内每个唯一元素 ('ID') 的值总和，然后计算所有 'ID' 的中位数

Question

我正在处理一个包含芝加哥市出租车数据的数据集。数据包含每次行程的信息，例如出租车 ID、时间戳、票价等。下面显示了来自 df.head() 的数据示例，时间戳在 pandas datetime:

                                            Taxi ID     Pickup Community Area   Trip Total
Trip End Timestamp          
2016-04-25 18:00:00     bfec2c659fcbed3b508dc6caaf6f7ef39e17801e8ca0cc...   8.0     16.00
2016-11-16 15:45:00     f45c4bfa9d6c445eb03ab69093f7ec1e9cdecef83cb2ce...   32.0    9.75
2016-01-15 17:45:00     ecfb6f2cdce5d4c4e80218f58070ae719060ee47e648f4...   32.0    14.75
2016-01-20 21:30:00     7d8179131ea9952793af4cda8635e94b56c2b92d3c376c...   32.0    7.25
2016-02-11 09:15:00     d5c4fbae1c0c510364404a90fd477b19f7f03408ce40ff...   35.0    18.75

假设我有一个星期的数据，我想实现这个：

考虑用户选择的装箱选项：例如：小时。
按出租车ID对数据进行分组，并汇总每辆出租车在一小时内赚取的金额。
根据出租车 ID 计算所有此类 'hourly revenues' 出租车之间的中位数（仍在该一小时内）。
在时间范围内的每个小时重复一次。一个星期，就是24*7 = 168次。
绘制一周中所有小时的每小时中位数。

这可以扩展到一周几个小时，一年几个星期等等。

截至目前，我可以使用 pivot_table 来获取整个时间范围内一天中每小时的收入中位数（但这不是一周中的每个小时），或者resample 以获得随时间变化的中位车费（但这不是 'hourly revenue' 的士，这是每次行程的中位车费）。这些都不能完全达到我想要的效果，我应该如何实现？

Answer 1

我能够通过首先将 df.grouby 与 pandas 中的 Grouper 功能相结合来实现我的数据。因此，数据首先按 ID 分组，对于每个 ID，按时间范围（例如小时）重新采样，最终可以通过此命令汇总该特定 ID 的每小时票价。

dfGrouped = (df.groupby(['Taxi ID', pd.Grouper(freq='H', key='Trip End Timestamp')])
     ['Trip Total']
     .sum()
     .unstack(fill_value=0))

由于最后的拆栈操作，dfGrouped 现在包含出租车 ID 与小时的二维数组。所有出租车 ID（行）的中位数简单地通过以下方式获得：

dfGrouped.median()

Pandas：计算给定时间范围内每个唯一元素 ('ID') 的值总和，然后计算所有 'ID' 的中位数

Pandas: Compute sum of values for each unique element ('ID') in a given timeframe and then compute the median across all 'ID's

python

median

pandas