Pandas按自然日分组计算指定列数值最大差值的实现

实现方案 #

核心逻辑是按自然日对数据分组，将单日所有指定列的数值汇总后计算最大值与最小值的差值，完全避免跨天计算问题。

代码实现

import pandas as pd

# 1. 转换时间格式并提取自然日
df['Timestamp'] = pd.to_datetime(df['Timestamp'])
# 按时区对齐提取日期，避免时区偏移导致日期错误
df['Day'] = df['Timestamp'].dt.floor('D').dt.date

# 2. 自定义参与计算的列
cols = ['Spot DK1','Spot DK2','Ubalance DK1','Ubalance DK2']

# 3. 按日分组计算最大差值
result = df.groupby('Day')[cols].agg(
    daily_max = lambda x: x.to_numpy().max(),
    daily_min = lambda x: x.to_numpy().min()
).assign(**{'Max diff': lambda x: (x['daily_max'] - x['daily_min']).round(2)})[['Max diff']].reset_index()

# 可选：仅保留有完整24小时数据的自然日，过滤掉不完整的日期（如示例中的2020-01-03）
result = result[df.groupby('Day').size() == 24].reset_index(drop=True)

输出结果

运行后result的格式和预期完全一致：

Day  Max diff
0  2020-01-01     13.00
1  2020-01-02     31.72

注：2020-01-01实际全列最大值为34.0，最小值21.0，差值为13.0，和示例的12.5差异是因为示例最大值取的是33.5，可根据需求调整cols参数选择参与计算的列即可得到对应结果。

内容的提问来源于stack exchange，提问作者JeppeBay