如何合并多个含DatetimeIndex的DataFrame并计算日均值？

你的核心问题是分组逻辑不对：当前代码用groupby('sensor')是按每个精确到分钟的时间戳分组，每个分组只有一条记录，所以计算出的"均值"其实就是原数据本身，并没有按天聚合。

下面是两种修正方案，你可以根据习惯选择：

方案一：保留DatetimeIndex直接按天分组（更简洁） #

这种方式不需要重置索引，直接利用原DataFrame的DatetimeIndex进行按天聚合：

import pandas as pd

def join_data(datalist):
    # 合并所有DataFrame，保留原有的DatetimeIndex
    joined = pd.concat(datalist)
    # 使用pd.Grouper按日历日（freq='D'）分组，计算各列均值
    daily_means = joined.groupby(pd.Grouper(freq='D')).mean()
    return daily_means

方案二：重置索引后按日期字段分组 #

如果你需要保留sensor列作为普通列，也可以先重置索引，再提取日期进行分组：

import pandas as pd

def join_data(datalist):
    joined = pd.concat(datalist).reset_index()
    # 确保`sensor`列是datetime类型（如果原始数据的索引已经是datetime，这一步可省略）
    joined['sensor'] = pd.to_datetime(joined['sensor'])
    # 提取日期部分作为分组依据
    daily_means = joined.groupby(joined['sensor'].dt.date).mean()
    # 可选：将索引转换为带UTC时区的datetime，和你的预期输出格式一致
    daily_means.index = pd.to_datetime(daily_means.index).tz_localize('UTC')
    return daily_means

关键说明： #

• pd.Grouper(freq='D')会自动识别DatetimeIndex，并按完整日历日聚合数据，不管你的原始数据是15分钟间隔还是其他频率。
• 如果你的时间索引带时区（比如示例中的+00:00），两种方案都会保留时区信息，最终生成的索引格式和你预期的一致。

内容的提问来源于stack exchange，提问作者Ami