使用Pandas Grouper时如何获取时段结束时间戳

刚好之前处理过类似的需求，用Pandas的Grouper分组后获取时段结束时间其实有两种常用思路，结合你的示例数据给你一步步说明：

第一步：确保时间列是datetime类型 #

首先得把你的Energy列转换成Pandas的datetime格式，不然分组会出错，代码如下：

import pandas as pd

# 构造示例DataFrame（还原你的数据结构）
data = {
    'week': [1152, 1153, 1154, 1155, 1156, 1157, 1158, 1159, 1160, 1161],
    'Energy': ['2018-01-09 00:00:00', '2018-01-09 00:10:00', '2018-01-09 00:20:00',
               '2018-01-09 00:30:00', '2018-01-09 00:40:00', '2018-01-09 00:50:00',
               '2018-01-09 01:00:00', '2018-01-09 01:10:00', '2018-01-09 01:20:00',
               '2018-01-09 01:30:00'],
    'None': ['None']*10,
    'Value': [0.0, 0.0, 104.0, 104.04908, 0.0, 0.0, 46.428571, 0.0, 0.0, 113.846154]
}
df = pd.DataFrame(data)

# 转换时间列为datetime类型
df['Energy'] = pd.to_datetime(df['Energy'])

方法一：获取分组内实际的最后一条记录时间戳 #

如果你的需求是拿到每个分组里实际存在的最晚时间（比如00:00-01:00时段里最后一条数据是00:50，就取这个时间），可以直接用agg方法结合max函数：

# 按小时分组，同时获取时段结束时间（分组内最大的时间戳）和Value的总和
result = df.groupby(pd.Grouper(key='Energy', freq='H')).agg(
    时段结束时间=('Energy', 'max'),
    总价值=('Value', 'sum')
).reset_index()

print(result)

输出结果：

Energy           时段结束时间        总价值
0 2018-01-09 00:00:00 2018-01-09 00:50:00  208.049080
1 2018-01-09 01:00:00 2018-01-09 01:30:00  160.274725

这里的Energy列是分组的起始时间，时段结束时间就是该分组内所有时间戳里的最大值。

方法二：获取严格的时段边界结束时间 #

如果需要的是理论上的时段结束时间（比如00:00-01:00时段的结束时间是01:00:00，不管有没有这个时间点的数据），可以通过分组起始时间加上分组频率的时长来计算：

# 先按小时分组计算Value的总和
result = df.groupby(pd.Grouper(key='Energy', freq='H'))['Value'].sum().reset_index()

# 计算严格的时段结束时间：起始时间 + 1小时
result['严格时段结束时间'] = result['Energy'] + pd.Timedelta(hours=1)

print(result)

输出结果：

Energy        总价值     严格时段结束时间
0 2018-01-09 00:00:00  208.049080 2018-01-09 01:00:00
1 2018-01-09 01:00:00  160.274725 2018-01-09 02:00:00

如果你的分组频率不是小时（比如30分钟），只需要把pd.Timedelta(hours=1)改成对应的时长即可，比如pd.Timedelta(minutes=30)。

内容的提问来源于stack exchange，提问作者Antimony