使用Pandas将15分钟间隔数据转为小时均值分组及报错解决

我有3列数据，所有列的数据类型均为object，第一列为Date列，第三列为Values列。数据示例如下：

Date           Values    Country 

01/01/21 12:00   2.       India
01/01/21 12:15   4.      India 
01/01/21 12:30   6.       India
01/01/21 12:45   8.     India

01/01/21 1:00.    10.   India
01/01/21 1:15.    20.   India
01/01/21 1:30.    30.   India
01/01/21 1:45.   40.     India

数据覆盖过去一年，共20000条记录。我希望将15分钟间隔的数据转换为小时间隔，输出结果中Values取均值，期望输出如下：

Date.             Values.   

01/01/21 12:00.   5.     India

01/01/21 1:00.    25.     India

尝试使用resample方法处理时出现报错：Only valid with datetimeindex,TimedeltaIndex or PeriodIndex but got an instance of RangeIndex（中文翻译：仅适用于DatetimeIndex、TimedeltaIndex或PeriodIndex，但当前为RangeIndex类型）

• 转换Date列为datetime类型
  当前Date列是字符串（object）类型，必须先转为datetime类型才能进行时间相关操作：

  import pandas as pd
  df['Date'] = pd.to_datetime(df['Date'], format='%d/%m/%y %H:%M')
  

  注意format参数要和你的日期字符串格式匹配，示例中是日/月/年 时:分，所以用%d/%m/%y %H:%M，实际格式不同的话对应调整即可。

• 将Date列设置为数据框索引
  resample方法要求数据框的索引必须是时间相关类型，所以把转换后的Date列设为索引：

  df = df.set_index('Date')
  

• 按小时重采样并计算均值
  现在可以正常使用resample了，按小时（'H'）聚合，同时按Country分组，确保不同国家的数据分开计算均值：

  result = df.groupby('Country')['Values'].resample('H').mean().reset_index()
  

  最后用reset_index()把索引转回普通列，就能得到符合要求的输出格式。

• 额外处理：转换Values列为数值类型
  由于Values列也是object类型，直接计算均值会出错，需要先转为数值型：

  df['Values'] = pd.to_numeric(df['Values'], errors='coerce')
  

  errors='coerce'会将无法转换的内容转为NaN，后续可根据需求处理这些缺失值。

内容的提问来源于stack exchange，提问作者Nitish Chaubey