基于时间条件统计DataFrame中可用员工数量

嘿，这个需求用Pandas处理起来超简单，咱们一步步来搞定：

步骤1：确保时间列是datetime类型 #

首先得把你的TIME列从字符串转换成Pandas的datetime格式，不然没法提取小时信息：

import pandas as pd

# 先构造你的示例DataFrame（如果已经有现成数据就跳过这部分）
data = {
    'TIME': ['2018-01-01 06:58:53', '2018-01-01 07:00:00', '2018-01-01 07:04:45', 
             '2018-01-01 07:04:55', '2018-01-01 07:21:00'],
    'STAFF_AVAIL': [5, 10, 20, 25, 20]
}
df = pd.DataFrame(data)

# 转换时间列类型
df['TIME'] = pd.to_datetime(df['TIME'])

步骤2：按小时分组求和 #

有两种方式可以实现，选你觉得顺手的就行：

方式1：新增小时列再分组 #

先提取每个时间点的小时数，再按小时分组统计员工总数：

# 提取小时到新列
df['HOUR'] = df['TIME'].dt.hour

# 分组求和并重置索引（让结果更规整）
hourly_total = df.groupby('HOUR')['STAFF_AVAIL'].sum().reset_index()

方式2：直接在groupby中提取小时（更简洁） #

不想新增列的话，直接在groupby里用dt.hour就行：

hourly_total = df.groupby(df['TIME'].dt.hour)['STAFF_AVAIL'].sum().reset_index(name='TOTAL_STAFF')

最终结果示例 #

运行完上面的代码后，你会得到这样的结果：

HOUR  STAFF_AVAIL
0     6            5
1     7           75

（对应示例数据里，6点只有1条记录5人，7点的10+20+25+20=75人）

如果你的数据跨了多天，这个方法也依然有效，因为它只提取时间的小时部分，不管是哪一天的6点都会被归到一组哦～

内容的提问来源于stack exchange，提问作者Mus