如何对Pandas DataFrame按1小时窗口重采样并求和value列？

架构老林

2026-7-1

解决方案

步骤说明

要实现按1小时窗口分组并对value字段求和，需完成以下操作：

将date_and_time列转换为datetime类型，让Pandas能识别时间格式。
以时间列作为索引（或生成小时级分组键），通过resample或groupby完成小时级聚合。
对每个小时窗口内的value求和，得到最终结果。

代码实现

方法一：使用`resample`（适用于时间序列场景）

import pandas as pd

# 构造示例数据
data = {
    'index': [103819, 103820, 103821, 103822, 103823, 103824, 103825, 103826, 103827, 103828],
    'date_and_time': ['2023-12-31 16:34:17', '2023-12-31 16:34:41', '2023-12-31 16:37:29', '2023-12-31 16:39:33', '2023-12-31 16:39:59', '2023-12-31 16:40:40', '2023-12-31 16:41:36', '2023-12-31 16:42:56', '2023-12-31 16:43:24', '2023-12-31 16:43:56'],
    'value': [1]*10
}
df = pd.DataFrame(data)

# 转换时间列格式
df['date_and_time'] = pd.to_datetime(df['date_and_time'])

# 设置时间列为索引
df = df.set_index('date_and_time')

# 按小时重采样并求和
hourly_result = df['value'].resample('H').sum()

# 可选：重置索引，将时间转为列（匹配期望输出格式）
hourly_result = hourly_result.reset_index().rename(columns={'date_and_time': 'date_and_time', 'value': 'value'})
print(hourly_result)

方法二：使用`groupby`结合时间向下取整

# 转换时间列格式
df['date_and_time'] = pd.to_datetime(df['date_and_time'])

# 生成小时级分组键（将时间向下取整到小时）
df['hour_window'] = df['date_and_time'].dt.floor('H')

# 按小时窗口分组求和
hourly_result = df.groupby('hour_window')['value'].sum().reset_index().rename(columns={'hour_window': 'date_and_time'})
print(hourly_result)