Pandas DataFrame 如何合并相似值范围行并按整小时分组聚合计数
逐小时分组聚合实现方案
核心逻辑是通过Pandas的向量化时间处理能力,直接对原始计时数据按小时维度打分组标签,再聚合求和,最终对齐为固定24行的结果,不需要写循环逐行判断。
前置准备
假设你的原始数据帧包含时分格式的时间列(示例值如"00:12"、"15:47")、计数字段列。首先统一把时间列转成Pandas可识别的时间格式:
import pandas as pd # 纯时分字符串的时间列解析 df["time_parsed"] = pd.to_datetime(df["time"], format="%H:%M") # 若原始时间列是带完整日期的时间戳,直接用下面的写法解析即可 # df["time_parsed"] = pd.to_datetime(df["time"])
方案1:手动提取小时分组键,逻辑透明易调试
适合需要精准匹配自定义区间规则的场景:
- 给每行生成小时分组标签,00:01-00:59的行小时值为0,01:00-01:59的行小时值为1,完全匹配你的区间划分规则
- 按分组标签对计数字段求和
- 补全0-23所有小时的行,对无数据的小时填充0值,保证最终结果固定为24行
对应的实现代码:
# 提取每行对应的小时分组键 df["hour_group"] = df["time_parsed"].dt.hour # 按分组键聚合求和 hourly_result = df.groupby("hour_group")["count"].sum().reset_index() # 对齐为0到23的固定顺序,补全缺失的小时 hourly_result = hourly_result.set_index("hour_group").reindex(range(24), fill_value=0).reset_index() # 把分组标签转成易读的区间标识,比如"00:00"、"01:00" hourly_result["interval_label"] = hourly_result["hour_group"].apply(lambda x: f"{x:02d}:00")
特殊边界处理:如果原始数据存在00:00整的时间值,和你定义的0点组从00:01开始的规则不匹配,只需在提取分组键后加一行判断,把00:00的行归到23点组即可:
df.loc[df["time_parsed"].dt.strftime("%H:%M") == "00:00", "hour_group"] = 23
方案2:时间重采样实现,代码更简洁
适合标准化时间序列场景,利用Pandas内置的时间分桶能力完成聚合:
# 把解析后的时间设为数据帧索引 df_indexed = df.set_index("time_parsed") # 按1小时为频率分桶求和,再对齐为0点到23点的固定24行 hourly_result = df_indexed["count"].resample("h").sum().reindex( pd.date_range("00:00", "23:00", freq="h"), fill_value=0 ).reset_index() # 整理列名 hourly_result.columns = ["interval_label", "total_count"]
该方案的默认分桶规则为[整点,下一个整点),和你需要的逐小时区间几乎无差异,仅00:00整的边界值需要按之前提到的方法单独调整。
实操注意事项
- 不要逐行循环判断时间区间打标签,数千行数据量下循环效率极低,向量化运算的速度比循环快两个数量级以上
- 聚合完成后一定要做索引重对齐,否则某小时无原始数据时会出现缺行,最终结果不足24行
- 时间解析时要指定和原始格式匹配的format参数,避免出现时间解析错位的问题
内容的提问来源于stack exchange,提问作者Yaz
相关产品推荐
相关产品推荐

