如何从DataFrame拆分date_time列并统计每日、每周访问高峰时段

1. 提取时间维度字段 #

先从date_time中拆分出日期和时段（小时/自定义粒度），方便后续分组统计：

import pandas as pd

# 提取日期（格式为YYYY-MM-DD的date对象）
df['date'] = df['date_time'].dt.date

# 提取小时作为时段（若需要更细粒度，比如30分钟，见下方注释）
df['hour'] = df['date_time'].dt.hour

# 可选：按30分钟粒度划分时段（格式如"10:00"、"10:30"）
# df['30min_slot'] = df['date_time'].dt.floor('30min').dt.strftime('%H:%M')

2. 统计每日访问高峰时段 #

通过分组聚合统计各时段访问量，再筛选出每日访问量最高的时段：

# 按日期+小时分组，统计每日各小时的访问次数
daily_hourly_visits = df.groupby(['date', 'hour']).size().reset_index(name='visit_count')

# 方式1：仅取每日第一个访问量最高的时段
daily_peak_single = daily_hourly_visits.loc[daily_hourly_visits.groupby('date')['visit_count'].idxmax()]

# 方式2：返回每日所有访问量并列最高的时段
max_daily_visits = daily_hourly_visits.groupby('date')['visit_count'].transform('max')
daily_peak_all = daily_hourly_visits[daily_hourly_visits['visit_count'] == max_daily_visits]

3. 统计整周访问高峰时段 #

直接按时段分组统计整周总访问量，筛选出最高的时段：

# 按小时分组，统计整周各小时的总访问次数
weekly_hourly_visits = df.groupby('hour').size().reset_index(name='total_visits')

# 方式1：仅取整周第一个访问量最高的时段
weekly_peak_single = weekly_hourly_visits.loc[weekly_hourly_visits['total_visits'].idxmax()]

# 方式2：返回整周所有访问量并列最高的时段
max_weekly_visits = weekly_hourly_visits['total_visits'].max()
weekly_peak_all = weekly_hourly_visits[weekly_hourly_visits['total_visits'] == max_weekly_visits]

说明 #

• 若需要更细的统计粒度（如15分钟），只需将提取时段的代码替换为df['15min_slot'] = df['date_time'].dt.floor('15min').dt.strftime('%H:%M')，后续分组时用该字段即可。
• groupby().size()用于统计每组的行数（即访问次数），如果你的DataFrame中一行代表一次访问，这个方法完全适用；如果一行是多条访问记录，需替换为groupby().agg({'visit_column': 'sum'})，其中visit_column是记录访问量的列名。

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