如何按机器类型统计DataFrame中各设备的月度运行时长？

嘿，作为Python新手碰到这个需求完全没问题，咱们一步步来搞定它！从你的数据来看，TRH是累计运行时长，所以月度运行时长应该是当月该机器最后一次记录的TRH减去当月第一次记录的TRH，对吧？下面是具体的实现步骤：

步骤1：准备数据与日期转换 #

首先得把字符串格式的日期转换成Pandas能识别的datetime类型，同时处理示例里的空值：

import pandas as pd

# 构造你的示例数据
data = {
    'Date': ['27-02-2018', '01-03-2018', '01-03-2018', '02-03-2018', '09-03-2018', 
             '15-03-2018', '18-03-2018', '25-03-2018', '29-03-2018', '31-03-2018', '01-04-2018'],
    'Machine': ['', 'A', 'B', 'A', 'B', 'B', 'A', 'A', 'B', 'A', ''],
    'TRH': [None, 2200, 5700, 2204, 5709, 5715, 2214, 2222, 5720, 2230, None]
}

df = pd.DataFrame(data)

# 转换日期格式（注意你的日期是日-月-年，所以format参数要对应）
df['Date'] = pd.to_datetime(df['Date'], format='%d-%m-%Y')

步骤2：创建月度分组键 #

为了按机器+月份分组，咱们新增一个Year-Month列，用周期格式（比如2018-03）来表示每个月份：

df['Year-Month'] = df['Date'].dt.to_period('M')

步骤3：计算月度运行时长 #

分组后取每个组内TRH的最后一条记录减去第一条记录，得到当月的运行时长增量：

# 先过滤掉没有机器或TRH值的行，避免干扰计算
filtered_df = df.dropna(subset=['Machine', 'TRH'])

# 分组计算月度时长
monthly_run_hours = filtered_df.groupby(['Machine', 'Year-Month'])['TRH'].agg(
    lambda x: x.iloc[-1] - x.iloc[0]
).reset_index(name='Monthly Run Hours')

如果你的TRH是严格递增的，也可以用x.max() - x.min()代替，结果是一样的，但用iloc[-1]-iloc[0]更贴合“当月起始到结束的累计增量”的逻辑。

步骤4：合并回原DataFrame #

把计算好的月度时长合并到原数据中，让每一行都对应所属机器的当月时长：

df = df.merge(monthly_run_hours, on=['Machine', 'Year-Month'], how='left')

查看最终结果 #

运行完上面的代码后，你可以打印df看看效果：

print(df)

输出里的Monthly Run Hours列就是你要的结果，那些没有机器信息的行（比如27-02-2018和01-04-2018）会显示NaN，如果你想把这些空值填充为0，可以加一行：

df['Monthly Run Hours'] = df['Monthly Run Hours'].fillna(0)

内容的提问来源于stack exchange，提问作者L. Scheipers