在Pandas中计算时序DataFrame的每日告警量日差值

步骤1：提取日期并统计每日告警总量 #

先确保time字段为datetime类型，再提取日期维度并按日求和alerts：

import pandas as pd

# 转换time字段为datetime（若原始数据未格式化）
df['time'] = pd.to_datetime(df['time'])
# 从time中提取日期列
df['date'] = df['time'].dt.date

# 按日期分组，计算每日alerts总和
daily_alerts = df.groupby('date')['alerts'].sum().reset_index()

步骤2：计算当日与前一日的告警差值 #

利用shift(1)获取前一日的告警总和，再做差值运算：

# 计算当日与前一日的告警差值
daily_alerts['diff_alerts'] = daily_alerts['alerts'] - daily_alerts['alerts'].shift(1)

# 生成仅包含日期和差值的目标DataFrame
result_df = daily_alerts[['date', 'diff_alerts']]

示例验证 #

假设2023-02-15的告警总和为3，2023-02-16的总和为4，计算后2023-02-16的diff_alerts即为4-3=1，完全匹配需求示例。

扩展：多机器独立计算差值 #

若需按每个机器单独统计日告警差值，只需调整分组维度：

# 按machineID+日期分组求和
daily_alerts_by_machine = df.groupby(['machineID', 'date'])['alerts'].sum().reset_index()
# 按机器分组后计算相邻日期的差值
daily_alerts_by_machine['diff_alerts'] = daily_alerts_by_machine.groupby('machineID')['alerts'].diff()

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