DataFrame按小时分组datetime数据报错：AttributeError问题解决

嘿，我知道你为啥踩坑了！你写的代码里有个容易忽略的细节——当你对casa_consumo['date']这个Series用groupby(lambda x: x.hour)时，lambda里的x根本不是date列的时间值，而是Series的整数索引！这就难怪会报'int' object has no attribute 'hour'的错了，哪怕你的date列确实是datetime64[ns]类型。

给你几个简单好用的正确解法：

方法1：直接提取小时作为分组键 #

利用pandas datetime类型的dt.hour属性，直接提取每个时间的小时数，以此作为分组依据：

# 对整个DataFrame按小时分组，计算各列均值
casa_consumo_h = casa_consumo.groupby(casa_consumo['date'].dt.hour).mean()

方法2：新增小时列后分组 #

如果需要更直观的分组标识，可以先给DataFrame新增一个hour列，再按这个列分组：

# 新增小时列
casa_consumo['hour'] = casa_consumo['date'].dt.hour
# 按小时列分组求均值
casa_consumo_h = casa_consumo.groupby('hour').mean()

方法3：用Grouper按时间区间分组 #

如果想要保留完整的时间区间索引（比如2017-08-01 00:00:00而不是单纯的0），可以用pd.Grouper指定小时频率：

import pandas as pd
# 按小时时间区间分组，索引为每个小时的起始时间
casa_consumo_h = casa_consumo.groupby(pd.Grouper(key='date', freq='H')).mean()

补充说明： #

• dt.hour是pandas专为datetime类型Series提供的属性，能快速提取小时数，返回的是整数类型的Series，完美适配分组需求。
• 你之前的代码里对date列求均值其实意义不大，上面的方法默认会对所有数值列（比如Ac、f、I这些）计算均值，这应该才是你真正想要的结果~

内容的提问来源于stack exchange，提问作者may