如何对多列pandas DataFrame重采样并按请求分组统计小时请求总量

• pd.read_csv默认不会解析时间类型字段，RequestDate会被识别为字符串，无法直接调用resample方法；同时resample方法要求作用对象为时间索引序列，直接对普通datetime列调用也会抛出错误。
• 若确认csv存在RequestDate字段仍报KeyError，大概率是读取后的列名带有多余前后空格，可先执行df.columns = df.columns.str.strip()去除空格后再操作。
• 你提供的测试csv中计数字段名为RequestCount，和样例里的Count命名不同，统计时要对应正确的字段名。

首先完成数据基础读取和类型转换：

import pandas as pd

# 读取数据时直接解析时间列，避免后续手动转换
df = pd.read_csv("test_data.csv", parse_dates=["RequestDate"])

方式1：用dt.floor按小时取整后分组统计（写法更直观） #

不需要修改索引，直接对时间列按小时取整后多字段分组求和即可：

# 按小时对齐时间、按请求类型分组，对调用量求和
df_result = df.groupby([df["RequestDate"].dt.floor("H"), "Request"])["RequestCount"].sum().reset_index()
# 按需重命名列对齐你提供的输出样例
df_result = df_result.rename(columns={"RequestCount": "Count"})
print(df_result)

方式2：设置时间索引后用resample+groupby实现 #

如果你习惯用resample语法，可以先把时间列设为索引再操作：

# 将RequestDate设置为时间索引
df = df.set_index("RequestDate")
# 先按请求类型分组，每个分组内按小时重采样求和，最后调整索引顺序、重置索引
df_result = df.groupby("Request").resample("H")["RequestCount"].sum().swaplevel().sort_index().reset_index()
df_result = df_result.rename(columns={"RequestCount": "Count"})
print(df_result)

两种写法输出结果完全一致，都可以得到你期望的每小时各请求总调用量统计结果。

内容的提问来源于stack exchange，提问作者va0pjvbnd