如何使用python迭代日期时间戳并计算每天的小时数

Question

我有一个脚本来查找记录的机器工作时间。该脚本加载机器生成的不同原始文件，并最终创建数天的数据和时间戳列。现在我想遍历日期和时间列并打印每天的营业时间。

import op
from tqdm import tqdm
import matplotlib.pyplot as plt
import datetime

data=op.getting_files()
data= list(data)
l=len(data)
for i in tqdm(range(l)):
    f=data[i]
    df=pd.read_csv(f)
    df.head(500)
    df1=df[['Date','Time','TEMPPV','RHPV']]
    df2=df1.rename(columns={"TEMPPV": "Module Temperature", "RHPV": "Rel Humidity"})
    df3 = df2[(df2["Module Temperature"] > 83)& (df2["Module Temperature"] <87)]
    df4 =df2[(df2["Rel Humidity"] > 80)&(df2["Rel Humidity"] <90)]
   #df4 =df2[(df2["Rel Humidity"] > 83)& (df2["Rel Humidity"] <87)]]
    df4['DateTime'] = pd.to_datetime(df4.pop('Date')) + pd.to_timedelta(df4.pop('Time'))
    op.append_df_to_excel('Dh summary.xlsx',df4,index=False)

运行脚本后，输出如下所示

输出

现在我想遍历整个日期时间列并计算每天的营业时间并打印出来。

生成的最终文件可在下面的链接中找到，

https://drive.google.com/file/d/1cpHhJJa6FF0rBSeEzv-7D5JoLmztOoLv/view?usp=sharing

Answer 1

这里的问题是您要如何计算营业时间？

首先，我们可以每天对数据帧进行分组并计算每天的记录数。这将提供一些图片。

>>> df.groupby(df.DateTime.dt.floor('d')).count()
            Module Temperature  Rel Humidity  DateTime
DateTime
2021-05-13                  18            18        18
2021-05-14                1391          1391      1391
2021-05-15                1440          1440      1440
2021-05-16                1440          1440      1440
2021-05-17                1396          1396      1396

如果我们检查min、max 的值，我们可以看到如果日期为 14、17，它们是完整的，但由于上表中的计数小于 1440（24x6x60 = 一天中的分钟数） , 数据有一定差距。而且我们还没有检查可能的重复项。

>>> df.groupby(df.DateTime.dt.floor('d'))["DateTime"].agg([min, max])
                           min                 max
DateTime
2021-05-13 2021-05-13 04:29:00 2021-05-13 04:46:00
2021-05-14 2021-05-14 00:49:00 2021-05-14 23:59:00
2021-05-15 2021-05-15 00:00:00 2021-05-15 23:59:00
2021-05-16 2021-05-16 00:00:00 2021-05-16 23:59:00
2021-05-17 2021-05-17 00:00:00 2021-05-17 23:59:00

更新：好的，由于数据是分钟级别的，我们可以每天对记录进行排序、删除重复和计数，从而为您提供以分钟为单位的时间。

>>> df = df.sort_values(by="DateTime")
>>> df = df[~df.DateTime.duplicated()]
>>> df.groupby(df.DateTime.dt.floor('d'))["DateTime"].agg("count")
DateTime
2021-05-13      18
2021-05-14    1391
2021-05-15    1440
2021-05-16    1440
2021-05-17    1396