Python如何使用Pandas统计一周CSV中每日每小时的设备使用次数

报错原因 #

你使用df.groupby(pd.Grouper(key='Timestamp', freq='H')).count()时报错，是因为读取CSV时Timestamp列默认被识别为字符串格式，不属于Pandas的DatetimeIndex类型，不支持直接按时间频率分组。

完整实现代码 #

方法1：使用pd.Grouper按小时分组（推荐） #

import pandas as pd

PATHTOCSV = "你的CSV文件路径"
df = pd.read_csv(PATHTOCSV)
# 核心步骤：将Timestamp列转换为Pandas datetime类型
df['Timestamp'] = pd.to_datetime(df['Timestamp'])
# 按小时分组统计记录数
hourly_stats = df.groupby(pd.Grouper(key='Timestamp', freq='H')).size().reset_index(name='count')

# 按要求格式化输出
for _, item in hourly_stats.iterrows():
    # 跳过无设备使用的空时段
    if item['count'] < 1:
        continue
    date_part = item['Timestamp'].strftime("%Y-%m-%d")
    hour_part = item['Timestamp'].strftime("%H00")
    print(f"{date_part}: {hour_part}, Machine Count: {item['count']}")

方法2：使用提取的日期、小时字段分组 #

如果你已经提前提取了日期和小时字段，可以直接用两个字段分组实现统计：

import pandas as pd

PATHTOCSV = "你的CSV文件路径"
df = pd.read_csv(PATHTOCSV)
df['Timestamp'] = pd.to_datetime(df['Timestamp'])
# 提取日期、小时字段
df['date'] = df['Timestamp'].dt.date
df['hour'] = df['Timestamp'].dt.hour
# 按日期+小时分组统计
hourly_stats = df.groupby(['date', 'hour']).size().reset_index(name='count')

# 格式化输出
for _, item in hourly_stats.iterrows():
    hour_part = f"{item['hour']:02d}00"
    print(f"{item['date']}: {hour_part}, Machine Count: {item['count']}")

两种方法输出的结果都完全符合你要求的格式。

内容的提问来源于stack exchange，提问作者Kozer H