如何用Pandas按分钟与Operation计算Count的总和及Delta值？

我有如下格式的CSV数据：

需要完成两个步骤：

1. 按分钟和Operation对Count列求和，得到结果：
   Sum():

2. 对同一分钟的Up和Down求和值做差（Down - Up），得到Delta列：
   Diff():

我尝试了以下代码，但未能达到预期效果：

def Delta_Volume():
    df = pd.read_csv(Ex_Csv, usecols=['Time','Count','Operation'], parse_dates=[0])
    df['Time'] = df['Time'].dt.floor("T", 0).dt.time
    df1 = df.groupby('Operation').sum('Count')
    df2 = df.groupby('Operation').diff('Count')
    #df['Delt_of_row'] = df.loc[1 : 3,['Count' , 'Operation']].sum(axis = 1)
    #df['Delt_of_row'] = df.loc[1 : 3,['Count' , 'Operation']].diff(axis = 1)
    print(df1)

你的代码问题在于分组时仅按Operation单字段分组，未同时关联Time，且diff方法的用法不符合需求。以下是正确实现：

完整代码 #

import pandas as pd

def Delta_Volume(Ex_Csv):
    # 读取CSV并解析时间列，按分钟取整
    df = pd.read_csv(Ex_Csv, usecols=['Time','Count','Operation'], parse_dates=['Time'])
    df['Time'] = df['Time'].dt.floor('T').dt.time
    
    # 按时间+操作类型分组求和
    sum_df = df.groupby(['Time', 'Operation'], as_index=False)['Count'].sum()
    print("Sum():")
    print(sum_df)
    
    # 透视表转换格式，计算Delta值
    pivot_df = sum_df.pivot(index='Time', columns='Operation', values='Count').fillna(0)
    pivot_df['Delta'] = pivot_df['Down'] - pivot_df['Up']
    delta_df = pivot_df[['Delta']].reset_index()
    print("\nDiff():")
    print(delta_df)

# 调用示例，替换为你的CSV文件路径
# Delta_Volume("your_data.csv")

关键说明 #

1. 分组求和：使用groupby(['Time', 'Operation'])同时按时间和操作类型分组，确保同一分钟内的Up/Down分别统计求和，这是实现第一步需求的核心。
2. 计算差值：通过pivot将Operation的Up/Down转为列，直接做减法得到Delta值，fillna(0)用于处理某一分钟仅存在一种操作的边界情况，避免出现NaN。

内容的提问来源于stack exchange，提问作者Show_man