如何在Pandas中按非00:00起始的DateTime进行值的聚合（求和）

核心思路是通过调整时间戳偏移，把自定义的日区间映射到自然日，再按自然日分组求和：

1. 确保DateTime列为datetime类型

   df['DateTime'] = pd.to_datetime(df['DateTime'])
   

2. 将所有时间戳减去5小时，这样原区间当日5:00 - 次日4:00内的时间，会被统一映射到当日自然日：

   df['adjusted_date'] = df['DateTime'] - pd.Timedelta(hours=5)
   

   对应示例中的时间映射：

   • 2023-07-01 05:00:00 减5小时后日期为2023-07-01
   • 2023-07-02 04:00:00 减5小时后日期仍为2023-07-01
   • 2023-07-02 05:00:00 减5小时后日期为2023-07-02

3. 按调整后的日期分组求和

   result = df.groupby(df['adjusted_date'].dt.date)['Values'].sum()
   

完整示例代码 #

import pandas as pd

# 构造测试数据
data = {
    'DateTime': [
        '2023-07-01 05:00:00',
        '2023-07-01 06:00:00',
        '2023-07-02 04:00:00',
        '2023-07-02 05:00:00',
        '2023-07-02 06:00:00'
    ],
    'Values': [10, 10, 10, 10, 10]
}
df = pd.DataFrame(data)

# 转换时间格式
df['DateTime'] = pd.to_datetime(df['DateTime'])

# 偏移时间戳
df['adjusted_date'] = df['DateTime'] - pd.Timedelta(hours=5)

# 分组求和
agg_result = df.groupby(df['adjusted_date'].dt.date)['Values'].sum()
print(agg_result)

输出结果 #

2023-07-01    30
2023-07-02    20
Name: Values, dtype: int64

（注：示例仅包含5条数据，若为完整24小时数据，2023-07-01的求和结果为240，与需求一致）

内容的提问来源于stack exchange，提问作者Adii