Pandas按时段分组地下传感器车流数据并计算均值的实现方法

没问题！针对你要按时段分组每个传感器站点、计算车流量均值并保留月日信息的需求，用Python的Pandas就能轻松实现，我给你整理了详细的步骤和代码示例：

步骤1：确保时间列是datetime类型 #

首先得把你的时间列转换成Pandas的datetime格式，这是后续处理时段的基础：

import pandas as pd

# 假设你的数据框名为df，时间列名为'datetime'
df['datetime'] = pd.to_datetime(df['datetime'])

步骤2：给每个数据行分配时段标签 #

我们可以用pd.cut()函数根据小时把时间划分成你需要的4个时段，同时给每个时段起直观的名称：

# 定义时段的小时区间和对应的标签
time_bins = [0, 6, 12, 18, 24]
time_labels = [
    '夜间(00:00-06:00)',
    '上午(06:00-12:00)',
    '下午(12:00-18:00)',
    '晚间(18:00-24:00)'
]

# 提取小时值，然后分配时段标签
df['hour'] = df['datetime'].dt.hour
df['time_period'] = pd.cut(
    df['hour'],
    bins=time_bins,
    labels=time_labels,
    include_lowest=True  # 确保00:00的小时被包含在第一个时段
)

步骤3：提取日期的月和日信息 #

用dt.strftime()把日期格式化为「月-日」的字符串，这样分组时就能只保留你需要的日期维度：

# 生成月-日列，比如"05-20"代表5月20日
df['month_day'] = df['datetime'].dt.strftime('%m-%d')

步骤4：分组计算车流量均值 #

最后按「站点ID」「月-日」「时段」三个维度分组，计算每组的车流量均值：

# 分组并计算均值，reset_index()把结果转成普通数据框格式
traffic_trend = df.groupby(
    ['station_id', 'month_day', 'time_period']
)['traffic_volume'].mean().reset_index()

# 查看结果
print(traffic_trend.head())

可能的问题排查 #

如果你之前尝试失败，大概率是这两个原因：

• 没有把时间列转换成datetime类型，导致无法提取小时、月日等时间属性
• 分组时遗漏了「站点ID」或「月-日」维度，导致结果不是按每个站点每天的时段来统计

内容的提问来源于stack exchange，提问作者Alessio Vacca