重采样Pandas DatetimeIndex时如何保留关联的WorkoutID字段？

嘿，这个场景我太熟悉啦！你当前的代码只针对power列做重采样求最大值，所以WorkoutID列自然会被丢弃。要同时拿到每周最大power对应的训练ID，我们需要先定位到每周里power值最大的那一行，再提取对应的信息。这里给你两种实用的解决方案：

方法一：用resample+idxmax定位索引后提取 #

这种方法效率较高，适合数据集较大的情况：

# 先获取每周power最大值所在的原DataFrame索引
weekly_max_indices = df['power'].resample('W').idxmax()

# 根据索引提取对应的WorkoutID和power值，并重命名power列
weekly_best_data = df.loc[weekly_max_indices, ['WorkoutID', 'power']].rename(columns={'power': 'best_power'})

idxmax()会返回每个周度分组中power最大值对应的原始行索引，接着用loc就能精准提取到该索引对应的WorkoutID和power值，最后重命名列让结果更清晰。

方法二：用groupby+apply直接取每组最大值行 #

如果习惯用分组操作，这种写法更直观：

from pandas import Grouper

# 按周分组，每组取power最大的那一行的指定列
weekly_best_data = df.groupby(Grouper(freq='W')).apply(
    lambda group: group.loc[group['power'].idxmax(), ['WorkoutID', 'power']]
)

# 调整列名和索引（可选，让结果更规整）
weekly_best_data = weekly_best_data.rename(columns={'power': 'best_power'}).reset_index(drop=False)

这里用Grouper指定按周度频率分组，apply函数里对每个分组找到power最大的行，再提取需要的列即可。

注意点 #

如果同一周内有多个训练的power值都是最大值，上述两种方法会默认取第一个出现的那一行的WorkoutID。如果需要保留所有并列最大值的训练ID，可以把idxmax()换成group['power'] == group['power'].max()来筛选所有符合条件的行。

内容的提问来源于stack exchange，提问作者Ethanopp