<\/p>\n
Voc\u00ea pode usar a seguinte sintaxe para agrupar dados por tempo e realizar agrega\u00e7\u00e3o em pandas:<\/span><\/p>\n Este exemplo espec\u00edfico agrupa os valores por hora em uma coluna chamada Hora<\/strong> e depois calcula a soma dos valores da coluna Vendas<\/strong> para cada hora.<\/span><\/p>\n O exemplo a seguir mostra como usar essa sintaxe na pr\u00e1tica.<\/span><\/p>\n Digamos que temos o seguinte DataFrame do pandas que mostra o n\u00famero de vendas realizadas em diferentes hor\u00e1rios do dia para uma loja:<\/span><\/p>\n Podemos usar a seguinte sintaxe para agrupar a coluna de tempo<\/strong> por horas e calcular a soma das vendas<\/strong> de cada hora:<\/span><\/p>\n Pelo resultado podemos ver:<\/span><\/p>\n Observe que tamb\u00e9m podemos realizar outra agrega\u00e7\u00e3o.<\/span><\/p>\n Por exemplo, poder\u00edamos calcular o n\u00famero m\u00e9dio<\/strong> de vendas por hora:<\/span><\/p>\n Tamb\u00e9m podemos agrupar por horas e minutos, se quisermos.<\/span><\/p>\n Por exemplo, o c\u00f3digo a seguir mostra como calcular a soma das vendas, agrupadas por horas e minutos:<\/span><\/p>\n Pelo resultado podemos ver:<\/span><\/span><\/p>\n E assim por diante.<\/span><\/p>\n Os tutoriais a seguir explicam como realizar outras opera\u00e7\u00f5es comuns em pandas:<\/span><\/p>\n Como criar um intervalo de datas no Pandas<\/a> Voc\u00ea pode usar a seguinte sintaxe para agrupar dados por tempo e realizar agrega\u00e7\u00e3o em pandas: df. groupby ([df[‘ time ‘]. dt . hour ]). dirty . sum () Este exemplo espec\u00edfico agrupa os valores por hora em uma coluna chamada Hora e depois calcula a soma dos valores da coluna Vendas para cada hora. […]<\/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":[],"class_list":["post-3561","post","type-post","status-publish","format-standard","hentry","category-guia"],"yoast_head":"\n df. groupby<\/span> ([df[' time<\/span> ']. dt<\/span> . hour<\/span> ]). dirty<\/span> . sum<\/span> ()\n<\/strong><\/pre>\n Exemplo: agrupar dados por hora no 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
Recursos adicionais<\/strong><\/span><\/h2>\n
Como extrair o m\u00eas da data no Pandas<\/a>
Como converter carimbo de data\/hora em data\/hora no Pandas<\/a><\/p>\n","protected":false},"excerpt":{"rendered":"