4. 计算每周的犯罪数

  1. #  读取crime数据集，行索引设定为REPORTED_DATE，然后对行索引排序，以提高后续运算的速度
  2.  In[83]: crime_sort = pd.read_hdf('data/crime.h5', 'crime') \
  3.                         .set_index('REPORTED_DATE') \
  4.                         .sort_index()
  1. #  为了统计每周的犯罪数，需要按周分组
  2. #  resample方法可以用DateOffset对象或别名，即可以在所有返回的对象分组上操作
  3.  In[84]: crime_sort.resample('W')
  4. Out[84]: DatetimeIndexResampler [freq=<Week: weekday=6>, axis=0, closed=right, label=right, convention=start, base=0]
  1. #  size()可以查看每个分组的大小
  2.  In[85]: weekly_crimes = crime_sort.resample('W').size()
  3.          weekly_crimes.head()
  4. Out[85]: REPORTED_DATE
  5.          2012-01-08     877
  6.          2012-01-15    1071
  7.          2012-01-22     991
  8.          2012-01-29     988
  9.          2012-02-05     888
  10.          Freq: W-SUN, dtype: int64
  1. #  len()也可以查看大小
  2.  In[86]: len(crime_sort.loc[:'2012-1-8'])
  3. Out[86]: 877
  5.  In[87]: len(crime_sort.loc['2012-1-9':'2012-1-15'])
  6. Out[87]: 1071
  1. #  用周四作为每周的结束
  2.  In[88]: crime_sort.resample('W-THU').size().head()
  3. Out[88]: REPORTED_DATE
  4.          2012-01-05     462
  5.          2012-01-12    1116
  6.          2012-01-19     924
  7.          2012-01-26    1061
  8.          2012-02-02     926
  9.          Freq: W-THU, dtype: int64
  1. #  groupby方法可以重现上面的resample，唯一的不同是要在pd.Grouper对象中传入抵消值
  2.  In[89]: weekly_crimes_gby = crime_sort.groupby(pd.Grouper(freq='W')).size()
  3.          weekly_crimes_gby.head()
  4. Out[89]: REPORTED_DATE
  5.          2012-01-08     877
  6.          2012-01-15    1071
  7.          2012-01-22     991
  8.          2012-01-29     988
  9.          2012-02-05     888
  10.          Freq: W-SUN, dtype: int64
  1. #  判断两个方法是否相同
  2.  In[90]: weekly_crimes.equals(weekly_crimes_gby)
  3. Out[90]: True

原理

  1. #  输出resample对象的所有方法
  2.  In[91]: r = crime_sort.resample('W')
  3.          resample_methods = [attr for attr in dir(r) if attr[0].islower()]
  4.          print(resample_methods)
  5. ['agg', 'aggregate', 'apply', 'asfreq', 'ax', 'backfill', 'bfill', 'count', 'ffill', 'fillna', 'first', 'get_group', 'groups', 'indices', 'interpolate', 'last', 'max', 'mean', 'median', 'min', 'ndim', 'ngroups', 'nunique', 'obj', 'ohlc', 'pad', 'plot', 'prod', 'sem', 'size', 'std', 'sum', 'transform', 'var']

更多

  1. #  可以通过resample方法的on参数，来进行分组
  2.  In[92]: crime = pd.read_hdf('data/crime.h5', 'crime')
  3.          weekly_crimes2 = crime.resample('W', on='REPORTED_DATE').size()
  4.          weekly_crimes2.equals(weekly_crimes)
  5. Out[92]: True
  1. #  也可以通过pd.Grouper的参数key设为Timestamp，来进行分组
  2.  In[93]: weekly_crimes_gby2 = crime.groupby(pd.Grouper(key='REPORTED_DATE', freq='W')).size()
  3.          weekly_crimes_gby2.equals(weekly_crimes_gby)
  4. Out[93]: True
  1. #  可以很方便地利用这个数据画出线图
  2.  In[94]: weekly_crimes.plot(figsize=(16,4), title='All Denver Crimes')
  3. Out[94]: <matplotlib.axes._subplots.AxesSubplot at 0x10b8d3240>

4. 计算每周的犯罪数 - 图1