如何对pandas DataFrame按小时重采样计算AC_POWER均值并解决输出异常

问题原因 #

从你给出的运行结果可以看出resample操作未完成小时级聚合，核心问题如下：

• 调用mean()时未指定仅计算数值列，当前数据集存在SOURCE_KEY等字符串类型列，无法参与均值计算，导致聚合失效，保留了原始行记录
• 日期时间转换未指定格式，你数据集的时间格式为日-月-年 时:分，属于pandas非默认识别格式，容易出现识别误差

你更换其他数据集可以正常运行，大概率是因为其他数据集没有非数值类型列，mean()可以正常执行全表聚合。

修正后代码 #

import pandas as pd

df = pd.read_csv('dataset.csv')
# 转换时间时指定格式，避免识别错误
df['DATE_TIME'] = pd.to_datetime(df['DATE_TIME'], format='%d-%m-%Y %H:%M')
# 仅对AC_POWER字段做小时级均值聚合，再重置索引调整列名
result = df.resample('H', on='DATE_TIME')['AC_POWER'].mean().reset_index()
result.columns = ['DATE', 'AC_POWER']
# 若需要DATE列输出为带单引号的字符串格式，可添加下方代码
result['DATE'] = result['DATE'].dt.strftime("'%d-%m-%Y %H:%M'")

运行后输出的result即可匹配你期望的格式。

内容的提问来源于stack exchange，提问作者blkjim99