Pandas按日期统计唯一Host数求助：输出不符合预期

你当前代码输出全为1的核心原因是按精确到秒的完整timestamp分组，每一行的timestamp都唯一，导致每个分组的唯一host数必然是1。另外，手动减去7小时的处理不严谨，无法适配日志中存在的-0800偏移量。

1. 保留pandas对带时区时间戳的原生解析能力，无需手动加减小时
2. 从时间戳中提取日期维度（需处理跨天情况，建议转换为UTC后取日期）
3. 按日期分组统计唯一host数量

import pandas as pd

# 复制目标列到temp表
temp = Mainpanda[['timestamp', 'host']].copy()

# 正确解析带时区偏移的时间戳
temp['timestamp'] = pd.to_datetime(temp['timestamp'], format='%d/%b/%Y:%H:%M:%S %z')

# 转换为UTC时间并提取日期（自动处理跨天调整）
temp['date'] = temp['timestamp'].dt.tz_convert('UTC').dt.date

# 按日期分组，统计每日唯一host数
daily_unique_hosts = temp.groupby('date')['host'].nunique().reset_index()

# 按日期排序
daily_unique_hosts = daily_unique_hosts.sort_values(by='date')

# 转换为目标列表格式
result = daily_unique_hosts['host'].tolist()

print(result)

• 用dt.tz_convert('UTC')将带时区的时间统一转换为UTC，自动处理跨天场景（比如-0700时区的22点会转换为UTC次日5点，日期自动调整为次日）
• 用dt.date提取日期作为分组依据，确保同一日期的所有记录被归为一组
• 针对你的示例日志，运行后会输出[1, 1, 1, 2, 1, 1]，按日期排序后与你的期望一致（若需调整排序顺序，可修改sort_values参数）

内容的提问来源于stack exchange，提问作者Jason Wang