Python DataFrame如何实现每2行求和以对齐1小时频率数据

前置处理：先规范30分钟粒度DataFrame的时间格式，这是所有操作的基础

import pandas as pd

# 此处替换为你自己的列名：dt为时间列名，power_kwh为30分钟功率值列名
df_30min['dt'] = pd.to_datetime(df_30min['dt'])
# 将时间列设为索引并排序，规避时间乱序导致的计算错误
df_30min = df_30min.set_index('dt').sort_index()

方法一：pandas时间重采样（生产环境优先选，容错性最高） #

不推荐直接写死相邻两行求和的逻辑——一旦原始数据存在缺测、时间跳变、乱序问题，硬编码相邻行计算会直接产出错误结果。用pandas原生重采样接口按自然时间窗口聚合，稳定性更高：

# 按1小时窗口做聚合，输出格式和需求完全匹配
df_1h_from30 = df_30min.resample(
    rule='1H',
    label='left',  # 聚合后时间标签取小时窗口的起始时间
    closed='left'  # 时间窗口包含左边界节点，符合30分钟数据的统计规则
).sum().reset_index()

关键参数说明：

• label='left'：保证03:00-04:00的聚合结果对应时间标签为2021-05-01 03:00:00，和给出的期望输出一致
• closed='left'：避免时间窗口边界值被错误划分到相邻窗口
• 自动处理缺测数据：如果某个小时缺30分钟记录，重采样会自动按现有值求和，不会把下一小时的30分钟数据错算到当前小时

方法二：相邻行分组求和（仅适用于数据完全规范的场景） #

如果你100%确认原始30分钟数据无缺失、无乱序、严格按照30分钟间隔连续排列，可以用行号分组的方式快速计算：

df_temp = df_30min.reset_index()
# 行号整除2实现每两行划分为一组
df_1h_from30 = df_temp.groupby(df_temp.index // 2).agg(
    dt = ('dt', 'first'),
    power_kwh = ('power_kwh', 'sum')
)

与原有1小时粒度DataFrame对齐做对比 #

转换完成后，两个DataFrame的时间粒度已经完全统一，直接按时间列关联即可得到可直接对比的宽表：

# df_1h为你原有的1小时粒度DataFrame，注意提前把它的时间列也转成datetime格式
df_1h['dt'] = pd.to_datetime(df_1h['dt'])
# 关联两个表，后缀区分不同来源的功率值
df_compare = pd.merge(
    left=df_1h,
    right=df_1h_from30,
    on='dt',
    suffixes=('_raw_1h', '_agg_from_30min')
)

小提示：如果两个表的时间存在秒级/分钟级的微小偏移，可以在关联前对两个1小时粒度的表都做一次1H重采样，强制对齐时间轴，避免匹配失败。

内容的提问来源于stack exchange，提问作者BenjiBoy