Python将小时数据重采样为日度数据并仅对Consumption rate列求和

实现方法 #

首先确保你的数据集的时间索引为datetime类型，若未转换先执行：
data.index = pd.to_datetime(data.index)

方法1：手动指定各列聚合规则

适合列数较少的场景，直接在agg方法中声明每列的聚合逻辑：

daily_data = data.resample('D').agg(
    # 其余需要保留的列统一使用first取当日第一条数据（若当日同列值一致可直接用）
    列名1 = ('列名1', 'first'),
    列名2 = ('列名2', 'first'),
    # 仅对Consumption rate字段按天求和
    Consumption_rate = ('Consumption rate', 'sum')
).reset_index(drop=True)

方法2：批量生成聚合规则

适合列数较多的场景，默认所有列取当日第一条数据，仅修改目标字段的聚合规则：

# 初始化聚合规则：所有列默认取当日第一条
agg_rules = {col: 'first' for col in data.columns}
# 单独指定Consumption rate列按天求和
agg_rules['Consumption rate'] = 'sum'
# 执行聚合
daily_data = data.resample('D').agg(agg_rules).reset_index(drop=True)

特殊场景适配 #

如果你的时间字段是单独的列而非索引，可以改用groupby实现相同效果，假设时间列名为time_col：

data['time_col'] = pd.to_datetime(data['time_col'])
agg_rules = {col: 'first' for col in data.columns}
agg_rules['Consumption rate'] = 'sum'
daily_data = data.groupby(data['time_col'].dt.date).agg(agg_rules).reset_index(drop=True)

如果同一天内非求和列存在多个不同值，可按需修改聚合规则，比如合并去重值可将'first'替换为lambda x: ', '.join(map(str, x.unique()))。

内容的提问来源于stack exchange，提问作者Rahul Patel