<\/p>\n
\u00c8 possibile utilizzare la seguente sintassi per raggruppare i dati in base all’ora ed eseguire l’aggregazione nei panda:<\/span><\/p>\n Questo particolare esempio raggruppa i valori per ora in una colonna denominata Ora<\/strong> e quindi calcola la somma dei valori nella colonna Vendite<\/strong> per ogni ora.<\/span><\/p>\n L’esempio seguente mostra come utilizzare questa sintassi nella pratica.<\/span><\/p>\n Supponiamo di avere il seguente DataFrame panda che mostra il numero di vendite effettuate in diversi momenti della giornata per un negozio:<\/span><\/p>\n Possiamo utilizzare la seguente sintassi per raggruppare la colonna temporale<\/strong> per ore e calcolare la somma delle vendite<\/strong> per ogni ora:<\/span><\/p>\n Dal risultato possiamo vedere:<\/span><\/p>\n Tieni presente che possiamo anche eseguire un’altra aggregazione.<\/span><\/p>\n Ad esempio, potremmo calcolare il numero medio<\/strong> di vendite all’ora:<\/span><\/p>\n Se lo desideriamo, possiamo anche raggruppare per ore e minuti.<\/span><\/p>\n Ad esempio, il codice seguente mostra come calcolare la somma delle vendite, raggruppate per ore e minuti:<\/span><\/p>\n Dal risultato possiamo vedere:<\/span><\/span><\/p>\n E cos\u00ec via.<\/span><\/p>\n I seguenti tutorial spiegano come eseguire altre operazioni comuni nei panda:<\/span><\/p>\n Come creare un intervallo di date in Pandas<\/a> \u00c8 possibile utilizzare la seguente sintassi per raggruppare i dati in base all’ora ed eseguire l’aggregazione nei panda: df. groupby ([df[‘ time ‘]. dt . hour ]). dirty . sum () Questo particolare esempio raggruppa i valori per ora in una colonna denominata Ora e quindi calcola la somma dei valori nella colonna Vendite per […]<\/p>\n","protected":false},"author":1,"featured_media":0,"comment_status":"open","ping_status":"open","sticky":false,"template":"","format":"standard","meta":{"footnotes":""},"categories":[11],"tags":[],"yoast_head":"\n df. groupby<\/span> ([df[' time<\/span> ']. dt<\/span> . hour<\/span> ]). dirty<\/span> . sum<\/span> ()\n<\/strong><\/pre>\n Esempio: raggruppare i dati per ora in Pandas<\/strong><\/span><\/h2>\n
import<\/span> pandas as<\/span> pd\n\n#createDataFrame\n<\/span>df = pd. DataFrame<\/span> ({' time<\/span> ': ['2022-01-01 01:14:00', '2022-01-01 01:24:15',\n '2022-01-01 02:52:19', '2022-01-01 02:54:00',\n '2022-01-01 04:05:10', '2022-01-01 05:35:09'],\n ' sales<\/span> ': [18, 20, 15, 14, 10, 9]})\n\n#convert date column to datetime\n<\/span>df[' time<\/span> '] = pd. to_datetime<\/span> (df[' time<\/span> '])\n\n#view DataFrame\n<\/span>print<\/span> (df)\n\n time sales\n0 2022-01-01 01:14:00 18\n1 2022-01-01 01:24:15 20\n2 2022-01-01 02:52:19 15\n3 2022-01-01 02:54:00 14\n4 2022-01-01 04:05:10 10\n5 2022-01-01 05:35:09 9\n<\/span><\/span><\/strong><\/pre>\n #group by hours in time column and calculate sum of sales<\/span>\ndf. groupby<\/span> ([df[' time<\/span> ']. dt<\/span> . hour<\/span> ]). dirty<\/span> . sum<\/span> ()\n\ntime\n1 38\n2 29\n4 10\n5 9\nName: sales, dtype: int64<\/span><\/span><\/strong><\/pre>\n\n
#group by hours in time column and calculate mean of sales\n<\/span>df. groupby<\/span> ([df[' time<\/span> ']. dt<\/span> . hour<\/span> ]). dirty<\/span> . mean<\/span> ()\n\ntime\n1 19.0\n2 14.5\n4 10.0\n5 9.0\nName: sales, dtype: float64\n<\/span><\/span><\/strong><\/pre>\n #group by hours and minutes in time column and calculate mean of sales\n<\/span>df. groupby<\/span> ([df[' time<\/span> ']. dt<\/span> . hour<\/span> , df[' time<\/span> ']. dt<\/span> . minute<\/span> ]). dirty<\/span> . mean<\/span> ()\n\ntime time\n1 14 18\n 24 20\n2 52 15\n 54 14\n4 5 10\n5 35 9\nName: sales, dtype: int64\n<\/span><\/span><\/strong><\/pre>\n\n
Risorse addizionali<\/strong><\/span><\/h2>\n
Come estrarre il mese dalla data in Pandas<\/a>
Come convertire il timestamp in data\/ora in Pandas<\/a><\/p>\n","protected":false},"excerpt":{"rendered":"