如何在Pandas中按星期列与分钟区间分组（排除日期）

问题根源 #

你之前的代码使用pd.Grouper(freq=...)是基于完整的datetime索引分组，会把每个日期的同时间段当成独立分组，无法实现跨日期聚合同一星期几的相同时间区间数据。

解决方案 #

核心思路：从datetime索引中提取当日内的15分钟区间标签（仅保留时间、剔除日期），再结合Day_of_the_week字段进行分组聚合。

步骤1：生成当日15分钟区间标签 #

从datetime索引中提取15分钟区间的起始时间，只保留时分部分：

# 向下取整到最近的15分钟起始点，再提取时间部分（剔除日期）
df_data_for_statistics['time_15min'] = df_data_for_statistics.index.floor('15min').time

生成的time_15min列会是datetime.time(22, 0)、datetime.time(22, 15)这类时间对象，所有跨日期的同一星期几、同一15分钟区间的行都会共享该标签。

步骤2：分组聚合计算均值和最大值 #

一次性完成分组与多指标聚合，避免重复分组提升效率：

df_statistics = df_data_for_statistics.groupby(['Day_of_the_week', 'time_15min'])['HL_delta'].agg(
    HL_mean='mean',
    HL_max='max'
).reset_index()

可选优化：格式化区间文本 #

如果需要更直观的区间描述（如22:00-22:15），可以生成字符串格式的区间标签：

# 生成区间起始/结束时间的字符串格式
df_data_for_statistics['start_time'] = df_data_for_statistics.index.floor('15min').strftime('%H:%M')
df_data_for_statistics['end_time'] = (df_data_for_statistics.index.floor('15min') + pd.Timedelta(minutes=15)).strftime('%H:%M')
df_data_for_statistics['time_interval'] = df_data_for_statistics['start_time'] + '-' + df_data_for_statistics['end_time']

# 使用格式化后的标签分组
df_statistics = df_data_for_statistics.groupby(['Day_of_the_week', 'time_interval'])['HL_delta'].agg(
    HL_mean='mean',
    HL_max='max'
).reset_index()

关键逻辑说明 #

• floor('15min')：将每个datetime向下取整到最近的15分钟起始点，确保同一时间区间的记录被归为一组。
• .time：提取时间部分剔除日期，实现跨日期聚合同一星期几的同时间段数据。
• 批量聚合：通过agg()一次性指定多个统计指标，避免重复执行分组操作。

内容的提问来源于stack exchange，提问作者fede72bari