如何用Pandas按小时/天/月聚合数据并统计FN/TP/FP数量？

第一步：先规范time列格式 #

从CSV导入的time列大概率是字符串类型，必须先转成datetime格式，这是后续分组/重采样的前提：

df['time'] = pd.to_datetime(df['time'])

更高效的分组统计方案 #

方案1：groupby + pd.Grouper（灵活通用） #

这种方式无需修改索引，直接按指定时间粒度分组，同时保留完整time字段，完美适配后续可视化需求：

# 按天统计各类型次数
daily_stats = df.groupby([pd.Grouper(key='time', freq='D'), 'Hit/Miss']).size().unstack(fill_value=0).reset_index()

# 按小时统计
hourly_stats = df.groupby([pd.Grouper(key='time', freq='H'), 'Hit/Miss']).size().unstack(fill_value=0).reset_index()

# 按月统计
monthly_stats = df.groupby([pd.Grouper(key='time', freq='M'), 'Hit/Miss']).size().unstack(fill_value=0).reset_index()

• freq 参数可灵活替换：'H'（小时）、'D'（天）、'M'（月）、'Y'（年）等
• unstack(fill_value=0) 将FN/TP/FP转为列，缺失值补0，直接适配可视化输入格式
• reset_index() 把分组后的时间索引转回普通列，保留完整time字段

方案2：修复resample失败问题 #

之前resample失败基本是因为time列不是datetime类型或未设为索引，按以下步骤操作即可：

# 临时将time设为索引
df_resample = df.set_index('time')

# 按天重采样并统计各类型次数
daily_resample = df_resample['Hit/Miss'].resample('D').value_counts().unstack(fill_value=0).reset_index()

# 将索引转回普通time列（可选）
daily_resample.rename(columns={'index': 'time'}, inplace=True)

resample的优势是时间粒度处理更简洁，适合批量生成不同时段的统计结果。

最佳可视化图表类型 #

根据你的数据场景，推荐这几种：

• 堆叠柱状图：最适合展示同一时段内FN、TP、FP的绝对数量和占比，不管小时/天/月粒度都适用，直观对比各类型的分布差异
• 多系列折线图：若重点关注各类型随时间的变化趋势（比如TP率的波动），折线图能清晰呈现三类数据的走势变化
• 热力图：如果做小时+天的组合粒度统计（比如一周内每天的小时分布），热力图可直观展示不同时段的事件密集程度，比如哪些时段FP出现频率最高

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