如何用Pandas按ID和日期小时维度分组处理数据？

以下是实现需求的具体步骤和代码：

1. 导入Pandas并加载数据
   先修正输入数据的格式（补充at字段的引号），再创建DataFrame：

   import pandas as pd
   
   data = [
       {"at": "2023-01-13 16:37", "id": 2},
       {"at": "2023-01-13 16:38", "id": 2},
       {"at": "2023-01-12 10:03", "id": 2},
       {"at": "2023-01-11 10:45", "id": 2},
       {"at": "2023-01-13 16:02", "id": 3}
   ]
   
   df = pd.DataFrame(data)
   

2. 将at字段转换为datetime类型
   这是处理时间分组的必要前提：

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

3. 截断时间到小时级别
   使用dt.floor('H')将时间向下取整到当前小时的起始点（如16:37变为16:00:00）：

   df['at'] = df['at'].dt.floor('H')
   

4. 去除重复的ID-小时组合
   保留每个ID对应每个小时的唯一记录：

   df_unique = df.drop_duplicates(subset=['id', 'at'])
   

5. 转换为目标JSON格式
   若需要将时间格式化为你示例中的2023-01-13- 16:00:00样式，先将datetime转为指定字符串，再导出为JSON：

   # 格式化时间字符串（可选，匹配示例格式）
   df_unique['at'] = df_unique['at'].dt.strftime('%Y-%m-%d- %H:%M:%S')
   
   # 导出为JSON数组
   result = df_unique.to_json(orient='records', indent=2)
   print(result)
   

运行后得到的输出与期望格式一致：

[
  {"at":"2023-01-13- 16:00:00","id":2},
  {"at":"2023-01-12- 10:00:00","id":2},
  {"at":"2023-01-11- 10:00:00","id":2},
  {"at":"2023-01-13- 16:00:00","id":3}
]

关键说明 #

• dt.floor('H')：将时间截断到小时，也可使用dt.truncate('H')，效果完全相同。
• drop_duplicates：直接保留唯一的ID和小时组合，比分组聚合更简洁高效。
• 若无需特殊时间格式，跳过第5步的格式化操作，导出的JSON会采用ISO标准时间格式（如"2023-01-13T16:00:00"）。

内容的提问来源于stack exchange，提问作者Mehmet Serkan Ekinci