Pandas တွင် အချိန်အလိုက် data အုပ်စုဖွဲ့နည်း (ဥပမာဖြင့်)

ဒေတာများကို အချိန်အလိုက် အုပ်စုဖွဲ့ရန်နှင့် ပန်ဒါများတွင် ပေါင်းစည်းရန် အောက်ပါ syntax ကို သင်အသုံးပြုနိုင်သည်-

 df. groupby ([df[' time ']. dt . hour ]). dirty . sum ()

ဤဥပမာသည် တန်ဖိုးများကို နာရီအလိုက် Hour ဟုခေါ်သော ကော်လံတစ်ခုအဖြစ် အုပ်စုဖွဲ့ပြီး နာရီတစ်ခုစီအတွက် အရောင်း ကော်လံရှိ တန်ဖိုးများ၏ပေါင်းလဒ်များကို တွက်ချက်သည်။

အောက်ဖော်ပြပါ ဥပမာသည် ဤ syntax ကို လက်တွေ့တွင် မည်သို့အသုံးပြုရမည်ကို ပြသထားသည်။

ဥပမာ- Pandas တွင် အချိန်အလိုက် ဒေတာအုပ်စု

စတိုးဆိုင်တစ်ခုအတွက် တစ်နေ့တာ၏ မတူညီသောအချိန်များတွင် ရောင်းချမှုအရေအတွက်ကိုပြသသည့် အောက်ပါပန်ဒါ DataFrame ရှိသည်ဆိုကြပါစို့။

 import pandas as pd

#createDataFrame
df = pd. DataFrame ({' time ': ['2022-01-01 01:14:00', '2022-01-01 01:24:15',
                            '2022-01-01 02:52:19', '2022-01-01 02:54:00',
                            '2022-01-01 04:05:10', '2022-01-01 05:35:09'],
                   ' sales ': [18, 20, 15, 14, 10, 9]})

#convert date column to datetime
df[' time '] = pd. to_datetime (df[' time '])

#view DataFrame
print (df)

                 time sales
0 2022-01-01 01:14:00 18
1 2022-01-01 01:24:15 20
2 2022-01-01 02:52:19 15
3 2022-01-01 02:54:00 14
4 2022-01-01 04:05:10 10
5 2022-01-01 05:35:09 9

အချိန် ကော်လံကို နာရီအလိုက် အုပ်စုဖွဲ့ပြီး နာရီတစ်ခုစီအတွက် အရောင်း ပေါင်းကို တွက်ချက်ရန် အောက်ပါ syntax ကို အသုံးပြုနိုင်ပါသည်။

 #group by hours in time column and calculate sum of sales
df. groupby ([df[' time ']. dt . hour ]). dirty . sum ()

time
1 38
2 29
4 10
5 9
Name: sales, dtype: int64

ရလဒ်မှ ကျွန်ုပ်တို့ မြင်နိုင်သည်-

• ပထမတစ်နာရီအတွင်း စုစုပေါင်းရောင်းချမှု ၃၈ ခု ပြုလုပ်ခဲ့သည်။
• ဒုတိယနာရီအတွင်း စုစုပေါင်း ၂၉ စီး ရောင်းချနိုင်ခဲ့သည်။
• စတုတ္ထနာရီတွင် စုစုပေါင်း အရောင်း ၁၀ မှု ပြုလုပ်ခဲ့သည်။
• ပဉ္စမနာရီအတွင်း စုစုပေါင်း အရောင်း ၉ မှု ပြုလုပ်ခဲ့သည်။

ကျွန်ုပ်တို့သည် အခြားသော စုစည်းမှုကိုလည်း လုပ်ဆောင်နိုင်သည်ကို သတိပြုပါ။

ဥပမာအားဖြင့်၊ ကျွန်ုပ်တို့သည် တစ်နာရီလျှင် ပျမ်းမျှ ရောင်းအားကို တွက်ချက်နိုင်သည်-

 #group by hours in time column and calculate mean of sales
df. groupby ([df[' time ']. dt . hour ]). dirty . mean ()

time
1 19.0
2 14.5
4 10.0
5 9.0
Name: sales, dtype: float64

လိုချင်ရင် နာရီနဲ့ မိနစ်နဲ့ အုပ်စုဖွဲ့နိုင်ပါတယ်။

ဥပမာအားဖြင့်၊ အောက်ပါကုဒ်သည် နာရီနှင့် မိနစ်များဖြင့် အုပ်စုဖွဲ့ထားသော အရောင်း၏ပေါင်းလဒ်ကို တွက်ချက်နည်းကို ပြသည်-

 #group by hours and minutes in time column and calculate mean of sales
df. groupby ([df[' time ']. dt . hour , df[' time ']. dt . minute ]). dirty . mean ()

time time
1 14 18
      24 20
2 52 15
      54 14
4 5 10
5 35 9
Name: sales, dtype: int64

ရလဒ်မှ ကျွန်ုပ်တို့ မြင်နိုင်သည်-

• 1 နာရီ 14 မိနစ်ထက် ပျမ်းမျှရောင်းရငွေ က 18 ပါ။
• 1 နာရီ 23 မိနစ်အတွင်း ပျမ်းမျှရောင်းရငွေ 20 ရှိသည်။
• 2 နာရီ 52 မိနစ်အတွင်း ပျမ်းမျှရောင်းရငွေသည် 15 ဖြစ်သည်။

နောက် … ပြီးတော့။

ထပ်လောင်းအရင်းအမြစ်များ

အောက်ဖော်ပြပါ သင်ခန်းစာများသည် ပန်ဒါများတွင် အခြားဘုံလုပ်ဆောင်ချက်များကို မည်သို့လုပ်ဆောင်ရမည်ကို ရှင်းပြသည်-

Pandas တွင် ရက်စွဲအပိုင်းအခြားတစ်ခု ဖန်တီးနည်း
Pandas တွင် ရက်စွဲမှ လကို မည်သို့ထုတ်ယူမည်နည်း။
Pandas တွင် အချိန်တံဆိပ်ကို ရက်စွဲ/အချိန်သို့ မည်သို့ပြောင်းလဲမည်နည်း။