如何基于指定小时的所有行计算并向Pandas DataFrame添加新行？

可以通过分组计算+合并的方式实现需求，具体步骤如下：

1. 分组计算每个小时的"Other"值 #

按DateTime字段分组，对每个分组执行以下操作：

• 提取该小时Total Usage对应的kWh数值
• 计算该小时内除Total Usage外所有设备的kWh总和
• 用Total Usage的数值减去上述总和，得到"Other"对应的kWh值

2. 生成"Other"行的DataFrame #

基于分组计算结果，构造包含DateTime、固定为"Other"的Name、计算得到的kWh的新DataFrame。

3. 合并数据并重置索引 #

将原DataFrame与新生成的"Other"行DataFrame合并，最后重置索引即可得到目标结果。

完整代码示例 #

import pandas as pd

# 假设原始数据已加载到df中
other_rows = []
for dt, group in df.groupby('DateTime'):
    # 获取当前小时的Total Usage数值
    total_kwh = group.loc[group['Name'] == 'Total Usage', 'kWh'].iloc[0]
    # 计算除Total外的设备用电量总和
    sum_devices = group.loc[group['Name'] != 'Total Usage', 'kWh'].sum()
    # 计算Other的用电量
    other_kwh = total_kwh - sum_devices
    # 整理成字典加入列表
    other_rows.append({'DateTime': dt, 'Name': 'Other', 'kWh': round(other_kwh, 3)})

# 转换为DataFrame
other_df = pd.DataFrame(other_rows)

# 合并原数据与Other行
result_df = pd.concat([df, other_df], ignore_index=True)

# 按时间排序并重置索引（可选，保证同小时数据集中）
result_df = result_df.sort_values('DateTime').reset_index(drop=True)

print(result_df)

结果验证 #

运行代码后会得到符合预期的结果：

• 1/31/2024 18:00的Other值为 1.927 - (0.003+0.027+0.211+0.302+0.811+0.003+0.030+0.069) = 0.471
• 1/31/2024 19:00的Other值为 1.593 - (0.002+0.828+0.001+0.02+0.070) = 0.672

内容的提问来源于stack exchange，提问作者Jason