使用groupby agg后索引变更：如何保留原时间格式的索引？

我来帮你搞定这个问题！你遇到的核心问题是聚合时没有保留完整的小时级时间戳，而是用了小时数值作为分组键，导致索引变成整数。下面给你两种可靠的解决方案，都能保留时间的初始格式：

第一步：先确保时间列是datetime类型 #

不管用哪种方法，首先得把你的Time列转换成pandas的datetime格式（如果还没转的话）：

import pandas as pd

# 假设你的原始DataFrame叫df
df['Time'] = pd.to_datetime(df['Time'])

方法一：用resample（推荐，专门处理时间序列聚合） #

resample是pandas为时间序列量身打造的聚合工具，默认会保留时间索引的格式。比如你要计算均值、总和这类统计量，可以这么写：

# 按小时聚合，指定要计算的统计量（这里以Value列的均值和总和为例）
hourly_result = df.resample('H', on='Time').agg(
    均值=('Value', 'mean'),
    总和=('Value', 'sum')
)

# 如果想把Time从索引变回普通列，加个reset_index()
hourly_result = hourly_result.reset_index()

这样得到的Time列就是小时级的datetime格式（比如2023-10-01 08:00:00），完全符合你的期望输出。

方法二：用groupby配合dt.floor('H') #

如果习惯用groupby，可以把时间列截断到小时级别，用这个截断后的datetime作为分组键：

# 把每个时间戳截断到最近的小时，然后分组聚合
hourly_result = df.groupby(df['Time'].dt.floor('H')).agg(
    均值=('Value', 'mean'),
    总和=('Value', 'sum')
).reset_index()

这里dt.floor('H')会把2023-10-01 08:15:30这类时间转换成2023-10-01 08:00:00，保留了datetime类型，所以聚合后的结果自然会保留时间格式。

为什么你的原代码会丢失时间格式？ #

大概率是你用了df.groupby(df['Time'].dt.hour)来分组——这种方式取的是时间的小时数值（比如8、9、10），不是完整的时间戳，所以聚合后索引就变成了整数。换成上面两种方法就能完美解决啦！

内容的提问来源于stack exchange，提问作者Behinoo