含180+列的DataFrame时间序列重采样求和报错求助

核心解决思路：无需循环，直接批量聚合 #

不用逐个指定列名，也不用写循环，直接对所有目标列执行重采样求和：

情况1：Date列为普通列（非索引） #

直接调用resample并指定on='Date'，然后用sum()或agg('sum')批量处理所有列：

# 方式一：直接对所有列求和（Date列会被用作重采样分组，不会参与求和）
df_agg = df.resample('1D', on='Date').sum()

# 方式二：明确指定要求和的列（排除Date列）
cols_to_aggregate = df.columns.drop('Date')
df_agg = df.resample('1D', on='Date')[cols_to_aggregate].sum()

情况2：将Date列设为索引 #

如果要把Date设为索引，确保索引是Datetime类型后直接重采样：

# 1. 将Date设为索引并强制转换为Datetime类型
df = df.set_index(pd.to_datetime(df['Date']))
# 2. 移除原Date列（可选，避免数据重复）
df = df.drop('Date', axis=1)
# 3. 重采样求和
df_agg = df.resample('1D').sum()

如果之前提示“resample仅支持DateTime类型”，执行pd.to_datetime(df['Date'])强制转换即可解决。

原循环代码的错误原因 #

你写的循环df.iloc[:, 0:x]会漏掉Date列（假设Date列不在前x列范围内），导致resample找不到分组用的Date列，所以报错。而且循环每次都会覆盖df_agg，最终只保留最后一次循环的结果，完全没必要用循环处理。

内容的提问来源于stack exchange，提问作者Abir