依照昨天的結論，我們按步驟來處理。

新增判斷白天晚上的欄位

在 Day 20 的時候，我們在 dataframe 裡面新增了 time_in_minutes 的欄位。

我們可以進一步利用此欄位再新增一個 is_night_time 的欄位，用來判斷是否該筆記錄為晚上的時間，以方便後續分類。

首先讓我們建立一個 is_night_time 的 function，讓我們建在 convert_time_to_int 底下：

def is_night_time(time_in_minutes: int):
    # after 15:00
    if (time_in_minutes > 900):
        return True
    return False

這邊以下午三點作為區分白天關門以及晚上關門的分界，原因如下圖：

接著讓我們再次運用之前使用的 apply() 來新增欄位：

df['is_night_time'] = df['time_in_minutes'].apply(is_night_time)

以 is_night_time 區分成兩個獨立的 dataframe

為了避免不同目的的資料集相互污染，我們以 is_night_time 將原來的 df 複製並分裂成兩個獨立的 dataframe，這邊使用的是 query 的 method：

df_night = df.query('is_night_time == True')
df_day = df.query('is_night_time == False')

有興趣的讀者可以 print 出來看看目前三個 dataframe 分別長什麼樣子～

只有晚上的記錄，需要按照星期幾來分類

讓我們再次使用 groupby 來達到目的：

night_group_by_weekdays = df_night.groupby('星期幾')

取得平均數

這邊讓我們按照 df_day 及 night_group_by_weekdays 各自的 time_in_minutes，用 mean() 取該欄位的算數平均數：

day_mean = df_day['time_in_minutes'].mean()
night_mean = night_group_by_weekdays['time_in_minutes'].mean()

成果

這次不視覺化了，讓我們直接在 console 看赤裸裸的數字：

print('\n\n\n')
print("day time")
print(day_mean)
print('\n\n\n')
print("night time")
print(night_mean)
print('\n\n\n')

雖然印證了我們在 Day 19 的假設，不過原來其實差異不大呀ORZ

今天在此告一段落，明天再來整理數據背後的脈絡。

延伸閱讀

Pandas: Conditionally Grouping Values