DataFrame分组聚合：结合count、sum与DateTimeIndex平均时间差计算的问题

嘿，我来帮你搞定这个分组聚合的问题！咱们先拆解一下你遇到的两个错误，再给出可行的解决方案：

第一个错误：TypeError: unhashable type: 'DatetimeIndex' #

你第一次尝试直接用df.index作为agg字典的键，这是行不通的——因为agg接受的键必须是列名字符串，而DatetimeIndex是不可哈希的对象，所以会抛出这个错误。解决办法就是你已经尝试的：先用reset_index()把时间索引转成普通列（比如命名为timestamp）。

第二个错误：AttributeError: 'NaTType' object has no attribute 'dt' #

这个问题出在像字母'D'这样的分组——只有一条数据时，x.diff()会返回NaT（Not a Time），对NaT调用.dt.minutes自然会报错。我们需要在聚合函数里先判断分组的长度：如果只有1条数据，直接返回0分钟；否则再计算平均时间差。

完整实现代码 #

首先，咱们先把你的示例数据构造出来（方便复现）：

import pandas as pd

# 构造你的DataFrame
data = [
    ("2021-11-29 12:00:00+00:00", "A", 100),
    ("2021-11-29 12:30:00+00:00", "B", 500),
    ("2021-11-29 13:00:00+00:00", "B", 300),
    ("2021-11-30 13:30:00+00:00", "A", 1000),
    ("2021-11-30 14:00:00+00:00", "C", 250),
    ("2021-11-29 14:30:00+00:00", "A", 100),
    ("2021-11-29 15:00:00+00:00", "D", 500),
    ("2021-11-29 15:30:00+00:00", "A", 300),
    ("2021-11-30 16:00:00+00:00", "A", 1000),
    ("2021-11-30 16:30:00+00:00", "C", 250)
]

df = pd.DataFrame(data, columns=["timestamp", "letter", "occurences"])
df["timestamp"] = pd.to_datetime(df["timestamp"])
df.set_index("timestamp", inplace=True)

然后是核心的分组聚合代码：

# 重置索引，将时间索引转为普通列
df_reset = df.reset_index()

# 自定义聚合函数：处理单条数据的情况，计算平均时间差（分钟）
def avg_time_diff(x):
    if len(x) <= 1:
        return 0
    # 用total_seconds()计算完整时间差，再转为分钟，比dt.minutes更稳妥（支持跨天）
    return x.diff().mean().total_seconds() / 60

# 执行分组聚合，给结果列起更清晰的名字
result = df_reset.groupby("letter").agg(
    record_count=("letter", "count"),
    total_occurences=("occurences", "sum"),
    avg_interval_minutes=("timestamp", avg_time_diff)
)

print(result)

输出结果 #

运行后你会得到这样的结果，完美处理了单条数据的情况：

record_count  total_occurences  avg_interval_minutes
letter                                                      
A                  5              2500                 222.0
B                  2               800                  30.0
C                  2               500                 150.0
D                  1               500                   0.0

额外说明 #

• 我用total_seconds() / 60代替了.dt.minutes，因为后者只会提取时间差的分钟部分（比如2小时30分只会返回30），而前者会计算完整的时间差（2小时30分就是150分钟），更符合“平均时间差”的需求。
• 给聚合后的列起了更直观的名字，方便后续使用。

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