本文共 1917 字，大约阅读时间需要 6 分钟。

Pandas - 按日期对日内时间序列进行分组

在Pandas中，你可以通过`groupby()`函数结合`resample()`函数来实现按日期对日内时间序列进行分组。以下是一个详细的步骤和代码示例：

首先，你需要有一个包含日期和时间戳的DataFrame。假设你的DataFrame如下：

```python

import pandas as pd

data = {

    'Date': ['2021-01-01 10:00', '2021-01-01 10:15', '2021-01-01 10:30', '2021-01-02 11:00'],     'Value': [10, 20, 30, 40] }

df = pd.DataFrame(data)

```

然后，你可以使用`pd.to_datetime()`函数将日期列转换为DateTime对象：

```python

df['Date'] = pd.to_datetime(df['Date']) ```

接下来，你可以使用`groupby()`和`resample()`函数来按日期对DataFrame进行分组：

```python

# 按日分组 daily_groups = df.groupby(df['Date'].dt.date).sum()

# 按小时分组

hourly_groups = df.set_index('Date').resample('H').sum().reset_index() ```

在第一个示例中，我们按每天的日期进行分组，并计算每天的总和。在第二个示例中，我们首先将日期列设置为索引，然后使用`resample()`函数按每小时的时间间隔进行分组。

以下是完整的代码：

```python

import pandas as pd

data = {

    'Date': ['2021-01-01 10:00', '2021-01-01 10:15', '2021-01-01 10:30', '2021-01-02 11:00'],     'Value': [10, 20, 30, 40] }

df = pd.DataFrame(data)

df['Date'] = pd.to_datetime(df['Date'])

# 按日分组

daily_groups = df.groupby(df['Date'].dt.date).sum()

# 按小时分组

hourly_groups = df.set_index('Date').resample('H').sum().reset_index()

print("按日分组的结果：")

print(daily_groups) print("\n按小时分组的结果：") print(hourly_groups) ```

如果你需要测试用例，你可以创建一个包含不同日期和时间的DataFrame，然后使用上述代码进行分组。

如果你需要将结果保存到CSV文件，可以使用`to_csv()`函数：

```python

daily_groups.to_csv('daily_groups.csv', index=False) hourly_groups.to_csv('hourly_groups.csv', index=False) ```

如果你需要将结果存储到数据库中，可以使用Pandas的SQL连接器，例如`pandasql`：

```python

from pandasql import sqldf

# 假设你有一个名为mydb的SQLite数据库

df.to_sql('mytable', con=mydb, if_exists='replace', index=False)

# 然后你可以使用SQL查询来获取分组结果

query = "SELECT Date, SUM(Value) FROM mytable GROUP BY Date" result = sqldf(query, locals()) ```

如果你需要将结果转换为JSON格式，可以使用`to_json()`函数：

```python

daily_groups.to_json('daily_groups.json', orient='records') hourly_groups.to_json('hourly_groups.json', orient='records') ```

注意：在上述代码中，我们假设你正在使用SQLite数据库。如果你的数据库是其他类型的，你需要使用相应的连接器来连接到你的数据库。