我有一个来自Windows事件日志的数据集。TimeGenerated
列被设置为索引。我想得到一个聚合视图,通过EventType
(info/warn/err)和索引值显示事件数。我可以使用resample()
设置日期时间分辨率(天、工作日等)。
这是我的数据框:
log.info()
<class 'pandas.core.frame.DataFrame'>
DatetimeIndex: 80372 entries, 2015-08-31 12:15:23 to 2015-05-11 04:08:07
Data columns (total 4 columns):
EventID 80372 non-null int64
SourceName 80372 non-null object
EventType 76878 non-null object
EventCategory 80372 non-null int64
dtypes: int64(2), object(2)
memory usage: 3.1+ MB
我当然可以按事件类型分组,但这会删除我的索引:
log[['EventID', 'EventType']].groupby('EventType').count('EventID')
我必须在对groupby()
的调用中指定现有索引,但如何引用该索引?或者我必须在groupby()
调用之前执行reset_index()
?或者我是不是完全错了,很明显我是熊猫的新生?;-)
版本信息:
为了进一步澄清,我想实现的是:
注意,时间戳不是唯一的(在原始DF中),因为可以同时发生多个事件。
有一种方法可以实现我的愿望,那就是:
temp = log.reset_index()
temp.groupby(['TimeGenerated','EventType']).count('EventID'['EventID'].unstack().fillna(0)
在这种情况下,我的输出是:
这样我就可以进一步重新取样,例如:
temp.resample('MS', how='sum')
这是可行的,但是我不知道是否需要执行reset_index()
来实现这个分组。我能用更好的方法(读:更有效率)做这件事吗?
我缺少的是,您可以在索引的一个或多个级别上执行
groupby()
。另外,布赖恩·彭德尔顿的建议也起到了作用:
与上一种方法的不同之处在于,如果需要在列轴中添加另一个级别(例如按主机名),那么它就不能很好地工作。但这当然不是最初问题的一部分。
相关问题 更多 >
编程相关推荐