如何将小时级DataFrame重采样日级并聚合min/max/mean后合并为单列

方法一：一步聚合+格式转换 #

不用拆分生成三个DataFrame，直接通过resample的聚合功能一次性完成，再调整结构得到目标格式：

import pandas as pd
import numpy as np

# 生成示例小时级数据
df = pd.DataFrame(np.random.rand(72, 1),
                  columns=["Random"],
                  index=pd.date_range(start="20220101000000", end="20220103230000", freq='H'))

# 每日聚合min/mean/max，转换为单列结构
df_new = df.resample('D').agg(['min', 'mean', 'max']).stack(level=1).reset_index(level=1, drop=True)
# 给结果列重命名（可选）
df_new.columns = ['Daily_Stats']

逻辑说明 #

1. resample('D').agg(['min', 'mean', 'max'])：按天聚合，同时计算三个统计值，生成带多级列的DataFrame
2. stack(level=1)：将内层的聚合函数（min/mean/max）从列转为行索引的一部分
3. reset_index(level=1, drop=True)：移除聚合函数的索引层，最终得到每个日期对应三条统计值的单列结构

方法二：合并已生成的三个DataFrame #

如果要沿用你已经生成的df_min、df_mean、df_max，直接按行堆叠后排序即可：

# 基于已有的三个统计DataFrame合并
df_new = pd.concat([df_min, df_mean, df_max]).sort_index()
# 重命名列（可选）
df_new.columns = ['Daily_Stats']

逻辑说明 #

pd.concat会按索引将三个DataFrame的行堆叠在一起，sort_index()确保每个日期的min/mean/max按顺序排列，最终结构与预期一致。

内容的提问来源于stack exchange，提问作者Murilo