如何在pandas dataframe中按列值和datetimeindex计算指定时间间隔内的差值

核心逻辑分为两步：

• 先将毫秒级时间戳统一截断到秒级精度，忽略毫秒差异
• 按截断后的秒级时间分组，每组内计算所有类别Value的最大值与最小值的差值，即为该时间对应的结果

import pandas as pd

# 1. 读取数据（示例为csv读取，可根据自己的数据源调整分隔符）
df = pd.read_csv('你的数据文件路径', sep='\s+', parse_dates=['TimeStamp'])

# 2. 时间戳截断到秒级
df['TimeStamp'] = df['TimeStamp'].dt.floor('S')

# 3. 按时间分组计算最大差值
result = df.groupby('TimeStamp')['Value'].agg(lambda x: x.max() - x.min()).reset_index(name='Difference')

# 4. 可选：将小数点替换为逗号，匹配你需要的输出格式
result['Difference'] = result['Difference'].astype(str).str.replace('.', ',')

# 输出/保存结果
print(result)
# result.to_csv('结果保存路径.csv', index=False)

不同数据库的时间截断语法略有差异，核心逻辑一致：

MySQL 示例 #

SELECT 
    DATE_FORMAT(TimeStamp, '%Y-%m-%d %H:%i:%s') AS TimeStamp,
    REPLACE(MAX(Value) - MIN(Value), '.', ',') AS Difference
FROM 你的表名
GROUP BY DATE_FORMAT(TimeStamp, '%Y-%m-%d %H:%i:%s')
ORDER BY TimeStamp;

PostgreSQL 示例 #

SELECT 
    date_trunc('second', TimeStamp)::text AS TimeStamp,
    REPLACE((MAX(Value) - MIN(Value))::text, '.', ',') AS Difference
FROM 你的表名
GROUP BY date_trunc('second', TimeStamp)
ORDER BY TimeStamp;

内容的提问来源于stack exchange，提问作者V.Hunon