如何基于Pandas datetime列的时间部分分组并聚合？

嘿，我帮你搞定这个问题！你遇到的TypeError是因为pd.Grouper的freq参数只支持datetime64类型的列，而你单独提取的time列是datetime.time类型，所以没法直接用频率分组。下面给你两种简洁的实现方式，不用绕弯子做复杂转换：

方法1：直接从datetime列提取时间分组键（最简洁） #

利用Pandas的dt.floor()方法，先把原始datetime列的时间部分向下取整到你需要的频率（比如5分钟），再提取时间值作为分组键，直接聚合：

import numpy as np
import pandas as pd

# 生成原始数据
drange = pd.date_range('2019-08-01 00:00', '2019-08-12 12:00', freq='1T')
c0 = np.random.rand(len(drange))
c1 = np.random.rand(len(drange))
df = pd.DataFrame(dict(drange=drange, c0=c0, c1=c1))

# 按5分钟时间间隔分组，计算均值
result = df.groupby(df['drange'].dt.floor('5T').dt.time)[['c0', 'c1']].mean()
print(result.head())

这种方法不需要额外添加列，一行代码就能完成分组逻辑，而且完全忽略了日期部分——不管是哪一天的00:00-00:05，都会被分到同一组。

方法2：结合pd.Grouper的归一化日期法 #

如果你更习惯用pd.Grouper，可以先把所有datetime的日期部分统一成同一天（比如2000-01-01），只保留时间信息，这样就能正常使用freq参数了：

# 归一化日期：保留时间，把日期统一为固定某天
df['normalized_dt'] = pd.Timestamp('2000-01-01') + (df['drange'] - df['drange'].dt.normalize())

# 用pd.Grouper按5分钟分组聚合
result2 = df.groupby(pd.Grouper(key='normalized_dt', freq='5T'))[['c0', 'c1']].mean()
# 可选：把索引转回datetime.time类型，和方法1的结果格式一致
result2.index = result2.index.time
print(result2.head())

这种方法适合需要调整分组标签（比如用label='right'把分组标签设为时间区间的右端点）或者使用更复杂频率规则的场景。

额外小技巧 #

如果只是按小时、半小时这类固定单位分组，还可以直接提取时间分量组合分组：

# 按小时分组
hourly_result = df.groupby(df['drange'].dt.hour)[['c0', 'c1']].mean()
# 按15分钟间隔分组（用分钟//15）
quarterly_result = df.groupby(df['drange'].dt.minute // 15)[['c0', 'c1']].mean()

内容的提问来源于stack exchange，提问作者ontheway