Python Pandas：仅基于单个列进行重采样的问题

嘿，我完全懂你的需求——你想要按15分钟的时间区间，统计每个站点的自行车到达次数，但目前的代码把站点信息错误聚合了，没法看到每个时间段里每个站点的具体数据（包括那些没有到达记录的站点）。我来帮你调整代码，实现你想要的输出结构。

先梳理你的问题核心 #

你有骑行数据，核心字段是end_station（到达站点）和dtm_end_trip（到达时间），期望输出是：

• 每15分钟一个时间区间
• 每个区间下，所有站点各占一行
• count列对应该时间段内到达该站点的自行车数量（没有到达则为0）

你的现有代码问题分析 #

你当前的代码先按end_station和dtm_end_trip聚合计数，再重采样，这样会导致两个问题：

1. 重采样时会把同一时间段的不同站点合并，丢失站点维度的信息
2. 无法自动补全“该时间段内没有到达记录的站点”，导致这些站点的行直接缺失

解决方案代码 #

下面是调整后的代码，完全匹配你的期望输出：

import pandas as pd

# 第一步：确保时间列是datetime类型（必须先做这个！）
df['dtm_end_trip'] = pd.to_datetime(df['dtm_end_trip'])

# 第二步：生成所有需要的时间区间和站点的完整组合（笛卡尔积）
all_stations = df['end_station'].unique()  # 获取所有唯一站点
# 生成从最早到达时间到最晚到达时间的15分钟间隔序列
time_intervals = pd.date_range(
    start=df['dtm_end_trip'].min().floor('15T'),  # 向下取整到最近的15分钟
    end=df['dtm_end_trip'].max().ceil('15T'),    # 向上取整到最近的15分钟
    freq='15T'
)

# 创建时间区间和站点的全组合，确保每个时间段每个站点都有记录
full_combinations = pd.MultiIndex.from_product(
    [time_intervals, all_stations],
    names=['dtm_end_trip', 'end_station']
).to_frame(index=False)

# 第三步：对原始数据按15分钟+站点分组统计到达数
arrival_counts = df.groupby(
    [pd.Grouper(key='dtm_end_trip', freq='15T'), 'end_station']
).size().reset_index(name='count')

# 第四步：合并全组合和统计结果，填充缺失的count为0
final_result = pd.merge(
    full_combinations,
    arrival_counts,
    on=['dtm_end_trip', 'end_station'],
    how='left'
).fillna(0).astype({'count': int})  # 把count转成整数类型

# 可选：按时间和站点排序，让结果更规整
final_result = final_result.sort_values(['dtm_end_trip', 'end_station']).reset_index(drop=True)

print(final_result)

代码逻辑解释 #

1. 时间列格式校验：先把dtm_end_trip转成datetime类型，这是时间重采样的基础
2. 生成全组合：通过笛卡尔积创建“所有时间区间×所有站点”的完整列表，这是实现“每个时间段每个站点都有行”的关键
3. 分组统计：用pd.Grouper直接按15分钟对到达时间分组，同时按站点分组，得到每个时间段每个站点的真实到达数
4. 合并填充：把统计结果和全组合合并，缺失的count填充为0，完美匹配你的期望输出结构

示例输出效果 #

运行后你会得到类似这样的结果（和你给出的期望结构一致）：

内容的提问来源于stack exchange，提问作者user14738548