求助：按24小时周期提取Load最大值及对应时间（代码异常）

原代码的问题分析 #

• 定位峰值行错误：df3.loc[max_Load.index * 24]这一步逻辑错误，max_Load.index是分组后的组序号（0、1、2...对应每一天），乘以24得到的是每天第0小时的索引，而非峰值负荷所在的实际小时索引。max_Load.values才是原DataFrame中每日Load最大值对应的行索引，应该用这个值来定位数据。
• 语法错误：max_df['max_Load'] = max_Load.valuesmax_df末尾多了max_df，属于无效语法，且逻辑上无需重复赋值——直接提取峰值行即可获取Load最大值。

修正后的代码（假设索引为连续小时数） #

如果你的df3索引是从0开始的连续小时数（每一行对应1小时），可以用以下代码：

# 按24小时分组，获取每日Load最大值对应的原索引（小时数）
max_load_indices = df3.groupby(df3.index // 24)['Load'].idxmax()

# 提取峰值所在的完整行数据，包含对应时间、温度、Load等信息
max_df = df3.loc[max_load_indices].reset_index(drop=False)

# 可选：将原索引转为“当日小时数”列，方便直观查看
max_df['hour_of_day'] = max_df.index % 24
# 可选：重命名Load列为max_Load，明确标识峰值
max_df = max_df.rename(columns={'Load': 'max_Load'})

进阶优化（如果索引是时间戳类型） #

如果你的DataFrame索引是datetime类型（而非纯数字小时数），分组逻辑可以更精准：

# 按日期分组，获取每日Load最大值对应的时间戳索引
max_load_indices = df3.groupby(df3.index.date)['Load'].idxmax()

# 提取峰值行数据
max_df = df3.loc[max_load_indices].reset_index(drop=False)

# 直接提取当日小时数
max_df['hour_of_day'] = max_df.index.hour

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