生成含空时间间隔的5分钟频率日累计销售时间序列及问题排查

一、单表（datetime+gmv）补全0-5分钟间隔并计算每日累计 #

原数据缺失0-5分钟间隔是因为该时间段无交易，分组时不会自动生成空区间，需要先构造完整时间序列再合并：

• 提取所有唯一日期，生成每个日期的完整5分钟时间序列

  import pandas as pd
  
  # 假设原数据为df，datetime列已转为datetime类型
  df['date'] = df['datetime'].dt.date
  all_dates = df['date'].unique()
  
  full_time_index = []
  for date in all_dates:
      start = pd.Timestamp(date)
      end = start + pd.Timedelta(days=1) - pd.Timedelta(minutes=5)
      # 生成当日00:00到23:55的5分钟间隔序列
      time_range = pd.date_range(start=start, end=end, freq='5Min', origin='start_day')
      full_time_index.extend(time_range)
  full_time_index = pd.DatetimeIndex(full_time_index)
  

• 分组求和后合并到完整序列，计算每日累计

  # 按5分钟间隔分组计算单区间销售额
  grouped = df.groupby(pd.Grouper(key='datetime', freq='5Min', origin='start_day'))['gmv'].sum()
  
  # 对齐完整时间序列，缺失值补0
  full_gmv = grouped.reindex(full_time_index, fill_value=0)
  
  # 按日期计算累计销售额
  full_gmv = full_gmv.groupby(full_gmv.index.date).cumsum()
  

二、带marca字段的多维度分组处理（避免结果为空） #

结果为空是因为仅保留了有交易的marca+时间间隔组合，需为每个marca的每个日期生成完整时间序列：

• 生成每个marca+日期的完整时间序列

  # 获取所有唯一的marca和日期组合
  marca_date_pairs = df[['marca', 'date']].drop_duplicates().values.tolist()
  
  full_multi_index = []
  for marca, date in marca_date_pairs:
      start = pd.Timestamp(date)
      end = start + pd.Timedelta(days=1) - pd.Timedelta(minutes=5)
      time_range = pd.date_range(start=start, end=end, freq='5Min', origin='start_day')
      for dt in time_range:
          full_multi_index.append((marca, dt))
  # 转为多级索引
  full_multi_index = pd.MultiIndex.from_tuples(full_multi_index, names=['marca', 'datetime'])
  

• 分组求和后合并到完整多级索引

  # 按marca+5分钟间隔分组计算销售额
  grouped_marca = df.groupby(['marca', pd.Grouper(key='datetime', freq='5Min', origin='start_day')])['gmv'].sum()
  
  # 对齐完整多级索引，缺失值补0
  full_marca_gmv = grouped_marca.reindex(full_multi_index, fill_value=0)
  
  # 按marca和日期计算累计销售额
  full_marca_gmv = full_marca_gmv.groupby(['marca', full_marca_gmv.index.get_level_values('datetime').date]).cumsum()
  

内容的提问来源于stack exchange，提问作者FábioRB