Pandas 使用 Pandas 求和（从分钟到小时的值）时间数据值

Question

我有一个问题：我想将时间数据值与 Pandas 相加。我有 15 分钟的数据，我想对一小时的值求和。

例如：我的数据

Index	Date	Time	Value
0	11.06.2021	04:00	1125.6
1	11.06.2021	04:15	5622.2
2	11.06.2021	04:30	3222.6
3	11.06.2021	04:45	2666.7
4	11.06.2021	05:00	4657.2
5	11.06.2021	05:15	2946.8
6	11.06.2021	05:30	3255.4
7	11.06.2021	05:45	...
8	11.06.2021	06:00	...
9	11.06.2021	06:15	...
10	11.06.2021	06:30	...
...	...	...	...

我想拥有：

Index	Date	Time	Value
0	11.06.2021	4:00	The sum from 4:00 to 4:45
1	11.06.2021	5:00	...
2	11.06.2021	6:00	...

这个数据叫做test：

我的解决方案：

result = []
result1 = []
counter11 = 0
for index, row in test.iterrows():
    counter11 += 1
    print(counter11)
    result1 += test.values[index]
    result += result1
    if counter11 == 3:
        result.add(result.values)
        result = 0
        counter = 0
test["sum"] = result

如果有人可以帮助我，我会很高兴。谢谢。

Answer 1

使用：

• 连接Date 和Time 列
• pandas.to_datetime 转换为日期时间
• set_index 到日期时间
• resample 几个小时
• sum 和 min_count=1 用于区分没有时间段的值。

import pandas as pd

# creating the dataframe
import io
data = """
Index,Date,Time,Value
0,11.06.2021,04:00,1125.6
1,11.06.2021,04:15,5622.2
2,11.06.2021,04:30,3222.6
3,11.06.2021,04:45,2666.7
4,11.06.2021,05:00,4657.2
5,11.06.2021,05:15,2946.8
6,11.06.2021,05:30,3255.4
7,11.06.2021,07:30,1111.1
"""
df = pd.read_csv(io.StringIO(data), sep=',', usecols=['Date', 'Time', 'Value'])

# processing
df['Datetime']= pd.to_datetime(df['Date']+' '+df['Time'])
df.drop(['Date', 'Time'], axis=1, inplace= True)
df.set_index('Datetime', inplace= True)
print(df.resample('H').sum(min_count=1))

# output
                       Value
Datetime                    
2021-11-06 04:00:00  12637.1
2021-11-06 05:00:00  10859.4
2021-11-06 06:00:00      NaN
2021-11-06 07:00:00   1111.1

Answer 2

如果您使用的是 pandas，我想提出两个建议。

首先，您应该使用 pandas 内置的 datetime，您可以在文档中找到有关它的所有内容：https://pandas.pydata.org/docs/user_guide/timeseries.html?highlight=datetime

这将使您在处理日期和时间时更加轻松。您可以使用 datetime 对象来创建和索引，如下面的代码示例所示。

第二个建议是，一旦你使用了 pandas 日期时间，你实际上可以使用其他内置函数，例如重采样。这将根据您提供给函数的一些逻辑“分组”数据框中的数据，例如按小时重新采样。然后，您可以将函数应用于该重新采样的数据，例如 sum()。

import pandas as pd
#This is just for making this example, you will not need numpy
import numpy as np

"This creates a datetime index"
idx = pd.date_range("2018-01-01", periods=70, freq="T")

"Creating a sample dataframe to work with"
df = pd.DataFrame(np.repeat(1,70), index=idx, columns= ["Data"])

"""
This is what you are trying to do:
Resampling or 'grouping' the data by hours (in this case) and sums all
values for each hour.
"""
df.resample("H").sum()