如何按指定工作日分组，拆分工作日与周末并计算各小时均值？

核心思路是利用Pandas datetime类型自带的星期属性，拆分工作日/周末数据后分别按小时聚合统计，具体实现如下： #

前置说明 #

Pandas中datetime类型的weekday/dayofweek属性规则：返回值0对应周一、1对应周二...4对应周五、5对应周六、6对应周日，直接用该字段做筛选条件即可。

代码实现 #

情况1：datetime已经设为DataFrame索引（适配你现有写法） #

import pandas as pd
import numpy as np

# 拆分工作日（周一至周五）、周末子集
weekday_df = df[df.index.weekday < 5]
weekend_df = df[df.index.weekday >= 5]

# 分别按小时计算均值、标准差，和你原有写法逻辑完全兼容
weekday_hourly_stats = weekday_df.groupby(lambda idx: idx.hour).agg([np.mean, np.std])
weekend_hourly_stats = weekend_df.groupby(lambda idx: idx.hour).agg([np.mean, np.std])

情况2：datetime是普通列，未设为索引 #

import pandas as pd
import numpy as np

# 先把datetime列转为标准时间类型，带时区的数据也支持
df['datetime'] = pd.to_datetime(df['datetime'])

# 提取星期、小时字段
df['weekday_flag'] = df['datetime'].dt.weekday
df['hour'] = df['datetime'].dt.hour

# 分别统计
weekday_hourly_stats = df[df['weekday_flag'] < 5].groupby('hour')['value'].agg([np.mean, np.std])
weekend_hourly_stats = df[df['weekday_flag'] >= 5].groupby('hour')['value'].agg([np.mean, np.std])

最终得到的weekday_hourly_stats就是工作日各小时的统计结果，weekend_hourly_stats是周末各小时的统计结果，结构和你之前得到的全时段统计结果完全一致。

内容的提问来源于stack exchange，提问作者user16511234