如何用Python Pandas对2018-2021年逐小时数据按小时时段求和

你的需求是把2018-2021年逐小时数据中，同一小时（00:00-23:00）的所有数据分别求和，基于你已有的代码，补充以下步骤即可实现：

首先修正日期范围的小问题（你当前代码里的结束时间23:50:00和1小时频率不匹配，建议调整），然后通过提取小时维度分组求和：

完整代码示例 #

import pandas as pd

# 你的现有代码（修正日期范围）
binstas = pd.DataFrame(ch)
df = binstas.copy()
# 修正结束时间为23:00:00，确保时间序列完整覆盖到最后一小时
df['new_column'] = pd.Series(pd.date_range('2018-01-01 00:00:00', '2021-12-31 23:00:00', freq='1H'))
df = df.set_index('new_column')

# 核心步骤：按小时分组求和
# 假设你的数值列是唯一的非索引列，直接sum即可；如果有特定列名，比如'value'，则写df.groupby(df.index.hour)['value'].sum()
hourly_total = df.groupby(df.index.hour).sum()

# 按预期格式输出
for hour, total in hourly_total.iterrows():
    # 如果是单列数据，取total.iloc[0]；多列的话按需调整
    print(f"{hour:02d}:00 = {total.iloc[0]}")

代码说明 #

1. 修正日期范围：确保时间序列的结束时间和1小时频率匹配，避免生成多余或缺失的时间点。
2. 分组求和：df.index.hour会从时间索引中提取0-23的小时数值，以此为分组依据对所有数据求和，得到每个小时的四年总合。
3. 格式化输出：通过循环将结果转换成你需要的HH:00 = 总和格式。

内容的提问来源于stack exchange，提问作者iyya