如何按周内每日的小时维度对Pandas DataFrame进行分组统计？

首先需要确保你的datetime列已转换为pandas datetime格式，如果你之前还没有将该列设置为索引，可先执行预处理代码：

import pandas as pd
import numpy as np

# 转换时间格式并设置为索引
df['datetime'] = pd.to_datetime(df['datetime'])
df = df.set_index('datetime')

核心分组统计代码 #

直接按「工作日+小时」两个维度分组即可，pandas的DatetimeIndex内置weekday属性（取值范围0-6，对应周一到周日）和hour属性：

weekday_hourly_stats = df.groupby([df.index.weekday, df.index.hour]).agg([np.mean, np.std])

如果你不想把datetime列设为索引，也可以直接用列的dt属性实现分组：

# 无需设置索引的写法
df['datetime'] = pd.to_datetime(df['datetime'])
weekday_hourly_stats = df.groupby([
    df['datetime'].dt.weekday, 
    df['datetime'].dt.hour
])['value'].agg([np.mean, np.std])

可选优化：替换工作日显示为中文 #

默认的0-6数字可读性较差，可通过映射替换为中文星期名称：

weekday_map = {0:'周一', 1:'周二', 2:'周三', 3:'周四', 4:'周五', 5:'周六', 6:'周日'}
weekday_hourly_stats = weekday_hourly_stats.rename(index=weekday_map, level=0)
# 给索引重命名更便于后续使用
weekday_hourly_stats.index = weekday_hourly_stats.index.set_names(['工作日', '小时'])

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