如何在Pandas中将CSV中的时间序列数据按24小时间隔分组？

嘿，这个需求在Pandas里处理起来其实挺直接的，我给你一步步拆解操作：

第一步：确保时间列是Pandas可识别的datetime类型 #

你的CSV里的date字段是带UTC时区的字符串格式，我们需要先把它转换成Pandas的datetime类型，这样才能进行时间分组操作。

方法1：读取CSV时直接解析时间列 #

import pandas as pd

# 读取CSV，同时解析date列为带UTC时区的datetime，并设为索引（方便后续resample操作）
df = pd.read_csv('你的文件名.csv', parse_dates=['date'], index_col='date', utc=True)

方法2：读取后再转换时间列 #

如果读取时没做解析，也可以事后处理：

df = pd.read_csv('你的文件名.csv')
# 将date列转换为带UTC时区的datetime类型
df['date'] = pd.to_datetime(df['date'], utc=True)

第二步：按24小时间隔分组并聚合 #

Pandas提供了两种常用的方式来实现按时间间隔分组：

方式1：使用resample（适合时间列为索引的情况） #

resample是专门为时间序列设计的分组工具，用'D'作为频率参数代表日历日（24小时），你可以根据需求指定聚合函数（比如均值、求和等）：

# 按24小时分组，计算各指标的均值/求和，可根据你的需求调整聚合逻辑
daily_summary = df.resample('D').agg({
    'cpu': 'mean',          # CPU使用率的日均均值
    'mem': 'mean',          # 内存使用率的日均均值
    'load': 'mean',         # 系统负载的日均均值
    'drops': 'sum',         # 丢包数的日总和
    'latency': 'mean',      # 延迟的日均均值
    # 其他需要聚合的字段都可以在这里添加
})

方式2：使用groupby + Grouper（适合时间列不是索引的情况） #

如果不想把date设为索引，用pd.Grouper指定时间列和分组频率即可：

daily_summary = df.groupby(pd.Grouper(key='date', freq='D')).agg({
    'cpu': 'mean',
    'mem': 'mean',
    'load': 'mean',
    'drops': 'sum',
})

进阶：自定义24小时窗口的起始时间 #

如果你的需求不是从午夜0点开始的24小时，而是从某个特定时间（比如每天9点）开始计算24小时周期，可以调整频率参数和起始点：

# 从每天9点开始的24小时窗口
daily_summary = df.resample('24H', origin='2018-02-13 09:00:00').agg({
    'cpu': 'mean',
    'mem': 'mean',
})

注意事项 #

• 你的示例数据里有很多空值（,,,,,），Pandas的聚合函数（比如mean）会自动忽略NaN值，如果需要填充空值，可以先使用df.fillna(0)或者其他填充逻辑。
• 确保date列的时区处理正确，避免因为时区偏差导致分组错误。

内容的提问来源于stack exchange，提问作者Souvik Ray