如何在pandas DataFrame中统计单日各小时记录量趋势以识别高流量时段

你当前已经完成了按「小时+日期」分组统计单日单小时流量条数的操作，后续按以下步骤处理即可得到预期结果：

• 第一步：重置分组结果的索引结构，仅保留需要的计数字段，避免冗余数据干扰
• 第二步：对「小时」维度做第二次分组，计算每个小时的日均流量值
• 第三步：补全0-23全部小时的记录，无流量的小时对应值设为0，最后整理输出格式

import pandas as pd

# 若时间列还未转成timestamp格式，先执行这行转换
df["created_at"] = pd.to_datetime(df["created_at"])

# 你已实现的按小时+日期分组计数，直接取标识列的计数结果即可
hour_date_count = df.groupby([df["created_at"].dt.hour.rename("hour"), 
                              df["created_at"].dt.date]).count()["device_id"]

# 按小时维度二次分组，计算每个小时的日均流量
hour_avg = hour_date_count.groupby("hour").mean().rename("traffic")

# 补全0-23所有小时，缺失值填充为0
result = hour_avg.reindex(range(24), fill_value=0).reset_index()

# 打印输出和你预期格式完全一致的结果
print(result.to_csv(index=False))

逻辑说明 #

以你给出的示例数据验证：16点分别在8月26号有1条记录、8月27号有2条记录，总计数3条除以2个出现过记录的日期，得到均值1.5，和你预期输出完全匹配；7点仅在8月26号有2条记录，均值为2也符合预期。

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