Pandas Dataframe 按一周的小时分组

Question

我有一个数据框，其中包含房屋 (ID) 的每小时 kWh 能源消耗 (Consumption)，持续几个月，例如：

                      ID  Consumption
DateTime                              
2016-07-01 01:00:00  1642     0.703400
2016-07-01 02:00:00  1642     0.724033
2016-07-01 03:00:00  1642     0.747300
2016-07-01 04:00:00  1642     0.830450
2016-07-01 05:00:00  1642     0.704917
2016-07-01 06:00:00  1642     0.708467
2016-07-01 07:00:00  1642     0.806533
2016-07-01 08:00:00  1642     0.774483
2016-07-01 09:00:00  1642     0.724833
2016-07-01 10:00:00  1642     0.721900
2016-07-01 11:00:00  1642     0.729450
2016-07-01 12:00:00  1642     0.757233
2016-07-01 13:00:00  1642     0.744667

这里 DateTime 是 type 的索引。我的目标是找出一周内每个小时的平均消耗量和方差，即（24*7 = 168 小时）

HourOfWeek    Consumption
1             0.703400
2             0.724033
...
168           0.876923

我试过了

print (df.groupby(df.index.week)['Consumption'].transform('mean'))

但这并没有给出正确的结果，如何在 pandas 中做到这一点？任何帮助将不胜感激。

Answer 1

即使迟到了：我也有类似的问题，我认为上述答案不正确，应该是

df.groupby((df.index.dayofweek) * 24 + (df.index.hour)).mean().rename_axis('HourOfWeek')

在上述答案中，您最终会得到不需要的组合，因为分配的组不是唯一的，例如周一下午 2 点与周二凌晨 1 点等组合在一起

Answer 2

我认为您需要groupby 和dayofweek 和hour，但需要添加1，因为两者的第一个值都是0。然后聚合mean：

df1 = (df.groupby((df.index.dayofweek + 1) * (df.index.hour + 1))['Consumption'].mean()
        .rename_axis('HourOfWeek')
        .reset_index())
print (df1)
    HourOfWeek  Consumption
0           10     0.703400
1           15     0.724033
2           20     0.747300
3           25     0.830450
4           30     0.704917
5           35     0.708467
6           40     0.806533
7           45     0.774483
8           50     0.724833
9           55     0.721900
10          60     0.729450
11          65     0.757233
12          70     0.744667