【问题标题】：Extracting hourly data from 15 minutes interval data in python pandas从python pandas中的15分钟间隔数据中提取每小时数据
【发布时间】：2017-12-17 02:37:21
【问题描述】：

我有一个数据框 df:

Year Month  Day Hour Minute Reading
2011   1     1    0     0      1
2011   1     1    0    15     0.2
2011   1     1    0    30     0.4
2011   1     1    0    45     0.0
2011   1     1    1     0     0.2 
2011   1     1    1    15     0.5 
2011   1     1    1    30     0.3 
2011   1     1    1    45     0.1

上述数据帧有 15 分钟的间隔数据。我希望添加一个新列并获得每 4 个读数的总和，从而将其转换为每小时数据。例如，对于第 '0' 小时，它是 (1+0.2+0.4+0.0 = 1.6)。

因此我的输出应该如下所示：

Year Month  Day Hour Minute Hourly_Reading
2011   1     1   0     0        1.6
2011   1     1   1     0        1.1

有人可以指导我吗？

【问题讨论】：

标签： python pandas dataframe

【解决方案1】：

选项 1

你可以使用groupby:

(df.groupby(['Year','Month','Day','Hour'])['Reading']
    .sum()
    .reset_index()
    .assign(Minutes=0)
    .reindex_axis(['Year','Month','Day','Hour','Minutes','Reading'],axis=1))

输出：

   Year  Month  Day  Hour  Minutes  Reading
0  2011      1    1     0        0      1.6
1  2011      1    1     1        0      1.1

选项 2

将set_index 和sum 与level 参数一起使用：

(df.set_index(['Year','Month','Day','Hour'])['Reading']
    .sum(level=[0,1,2,3])
    .reset_index()
    .assign(Minutes=0)
    .reindex_axis(['Year','Month','Day','Hour','Minutes','Reading'],axis=1))

输出：

   Year  Month  Day  Hour  Minutes  Reading
0  2011      1    1     0        0      1.6
1  2011      1    1     1        0      1.1

【讨论】：

【解决方案2】：

如果您愿意，也可以将结果分配给df 和transform：

df['Hourly_Reading'] = df.groupby(['Month', 'Hour'])['Reading'].transform('sum')

结果：

  Year  Month  Day  Hour  Minute  Reading  Hourly_Reading
0  2011      1    1     0       0      1.0             1.6
1  2011      1    1     0      15      0.2             1.6
2  2011      1    1     0      30      0.4             1.6
3  2011      1    1     0      45      0.0             1.6
4  2011      1    1     1       0      0.2             1.1
5  2011      1    1     1      15      0.5             1.1
6  2011      1    1     1      30      0.3             1.1
7  2011      1    1     1      45      0.1             1.1

【讨论】：