如何基于Pandas中Datetime索引的小时值设置DataFrame列值

首先帮你修正现有代码里的小问题——你定义的night_index条件逻辑有误哦，夜晚时段应该是早8点前或者晚10点及之后，也就是(rng.hour < 8) | (rng.hour >= 22)，之前的条件和白天时段重叠了，会导致数据划分出错。

接下来给你两种实用的实现方式，轻松完成根据小时值设置目标列的需求：

方法一：loc定位赋值（直观清晰） #

这种方式适合简单的分段逻辑，可读性拉满：

import pandas as pd

# 读取并预处理数据（保留你的原有代码）
df = pd.read_csv('Data.csv', sep='\t')
df['DateTime'] = pd.to_datetime(df['DateTime'])
df.set_index('DateTime', inplace=True)

# 初始化目标列（比如命名为TimePeriod）
df['TimePeriod'] = ''

# 给白天时段（8:00-21:59）赋值
df.loc[(df.index.hour >= 8) & (df.index.hour < 22), 'TimePeriod'] = 'Day'

# 给夜晚时段（22:00-次日7:59）赋值
df.loc[(df.index.hour < 8) | (df.index.hour >= 22), 'TimePeriod'] = 'Night'

方法二：numpy.where简化代码（一行搞定） #

如果你的时段划分只有两类，用numpy.where可以大幅简化代码：

import pandas as pd
import numpy as np

# 数据预处理部分同上
df = pd.read_csv('Data.csv', sep='\t')
df['DateTime'] = pd.to_datetime(df['DateTime'])
df.set_index('DateTime', inplace=True)

# 一行完成时段判断与赋值
df['TimePeriod'] = np.where((df.index.hour >= 8) & (df.index.hour < 22), 'Day', 'Night')

额外拓展：复杂时段划分用pd.cut #

如果需要更细致的时段区分（比如凌晨、上午、下午），可以用分箱函数批量处理：

# 定义小时区间和对应标签
hour_bins = [-1, 8, 12, 18, 22, 24]
labels = ['Night', 'Morning', 'Afternoon', 'Evening', 'Night']

# 根据小时值完成分箱赋值
df['TimePeriod'] = pd.cut(df.index.hour, bins=hour_bins, labels=labels)

你可以根据自己的实际需求选择合适的方法~

内容的提问来源于stack exchange，提问作者djnz0feh