如何用Pandas DataFrame按小时计算时间戳差值与电池电量差值

嘿，作为刚接触Python和Pandas的新手，我来一步步帮你搞定这个问题～ 先明确目标：把给定的DataFrame按小时分组，计算每个小时内的时间跨度（最后一条记录减第一条的时间差）和电池电量变化（最后一条减第一条的电量差），并整理成你想要的格式。

第一步：准备数据并转换时间格式 #

首先得把timestamp列转换成Pandas能识别的datetime类型，这是进行时间运算的基础。如果你的数据是从文件读取的，记得在pd.read_csv里加上parse_dates=['timestamp']，这里先模拟你的原始数据：

import pandas as pd

# 模拟原始数据
data = {
    'timestamp': ['2017-10-09 15:33:09', '2017-10-09 15:36:17', '2017-10-09 15:36:27',
                  '2017-10-09 15:38:08', '2017-10-09 15:42:39', '2017-10-09 15:45:30',
                  '2017-10-09 15:48:41', '2017-10-09 15:51:52', '2017-10-09 15:54:53',
                  '2017-10-09 15:57:54', '2017-10-09 16:00:55', '2017-10-09 16:05:47',
                  '2017-10-09 16:08:58', '2017-10-09 16:12:09', '2017-10-09 16:15:20',
                  '2017-10-09 16:18:11'],
    'battery_level': [0.37, 0.38, 0.37, 0.38, 0.39, 0.40, 0.41, 0.42, 0.43, 0.44, 0.45, 0.46, 0.47, 0.48, 0.49, 0.50]
}
df = pd.DataFrame(data)

# 转换timestamp列为datetime类型
df['timestamp'] = pd.to_datetime(df['timestamp'])

第二步：按小时分组并计算差值 #

接下来用groupby按小时分组，对每个分组计算时间差和电池差：

# 按小时分组，提取指定格式的小时作为分组键，计算每组的时间跨度和电池变化
result = df.groupby(df['timestamp'].dt.strftime('%H:00:00')).agg(
    # 时间差：组内最后一条时间 - 第一条时间
    timestamp_diff=('timestamp', lambda x: x.max() - x.min()),
    # 电池差：组内最后一条电量 - 第一条电量
    battery_diff=('battery_level', lambda x: x.max() - x.min())
).reset_index().rename(columns={'timestamp': 'hour'})

# 把时间差转换成HH:MM:SS格式（默认timedelta会带天数，我们只取时分秒部分）
result['timestamp_diff'] = result['timestamp_diff'].astype(str).str.split().str[-1]

# 调整列顺序，匹配你想要的输出格式
result = result[['hour', 'timestamp_diff', 'battery_diff']]

最终结果 #

运行代码后，你会得到完全符合预期的结果：

hour timestamp_diff  battery_diff
0  15:00:00        00:24:45           0.07
1  16:00:00        00:17:26           0.05

小提示 #

• 用dt.strftime('%H:00:00')是为了把时间戳转换成你需要的小时格式作为分组标识；
• agg函数可以一次性对不同列应用不同计算逻辑，效率很高；
• 调整时间差格式是因为Pandas的timedelta类型默认会显示0 days 00:24:45，我们只截取后面的时分秒部分就好。

内容的提问来源于stack exchange，提问作者Ruben Alves