Python：如何按时间间隔对DataFrame进行分组聚合

这里有两种实用的方法来实现你需要的分组求和需求，针对以datetime.time对象为索引的DataFrame：

方法1：利用小时数整数除法分组 #

这种方法通过提取索引的小时数，用整数除法快速划分4小时组，逻辑简单直接：

import pandas as pd
from datetime import time

# 先构造你的示例DataFrame（如果已有数据可跳过这部分）
times = [time(h) for h in range(12)]
trips = [10]*4 + [20]*4 + [30]*4
sum_by_time = pd.DataFrame({'Trips': trips}, index=times)

# 核心处理步骤
# 1. 提取每个索引时间的小时数，按每4小时一组划分
group_keys = sum_by_time.index.hour // 4
# 2. 分组求和
result = sum_by_time.groupby(group_keys).sum()
# 3. 自定义索引为你需要的时间范围格式
result.index = [f"{str(time(i*4)).zfill(8)} - {str(time(i*4+3)).zfill(8)}" for i in result.index]

print(result)

解释： #

• sum_by_time.index.hour 会提取每个时间索引的小时数值（比如00:00:00对应0，04:00:00对应4）
• //4 整数除法会将0-3小时归为一组（键0），4-7小时归为一组（键1），8-11小时归为一组（键2）
• 最后通过列表推导式，把分组键替换成你需要的HH:MM:SS - HH:MM:SS格式的字符串

方法2：使用pd.cut区间分组 #

如果你更倾向于用区间明确划分分组范围，可以用pd.cut实现：

import pandas as pd
from datetime import time

# 构造示例DataFrame（同上，已有数据可跳过）
times = [time(h) for h in range(12)]
trips = [10]*4 + [20]*4 + [30]*4
sum_by_time = pd.DataFrame({'Trips': trips}, index=times)

# 核心处理步骤
# 1. 定义4小时间隔的区间（0-4, 4-8, 8-12）
time_bins = pd.interval_range(start=0, end=12, freq='4H')
# 2. 将每个时间的小时数映射到对应的区间
group_labels = pd.cut(sum_by_time.index.hour, bins=time_bins)
# 3. 分组求和
result = sum_by_time.groupby(group_labels).sum()
# 4. 格式化索引为目标时间范围
result.index = [f"{str(time(interval.left)).zfill(8)} - {str(time(interval.right-1)).zfill(8)}" for interval in result.index]

print(result)

解释： #

• pd.interval_range 创建了三个左闭右开的区间：[0,4), [4,8), [8,12)
• pd.cut 把每个小时数分配到对应的区间，作为分组依据
• 最后把区间对象转换为你需要的时间范围字符串（interval.right-1是因为区间到4，但我们的结束时间是3）

两种方法运行后都会得到你想要的结果：

Trips
00:00:00 - 03:00:00     40
04:00:00 - 07:00:00     80
08:00:00 - 11:00:00    120

内容的提问来源于stack exchange，提问作者Jad