如何仅按小时聚合熊猫日期时间轴系列

Question

我有一个包含日期对象和分数的熊猫时间表：

          datetime   score
2018-11-23 08:33:02      4
2018-11-24 09:43:30      2
2018-11-25 08:21:34      5
2018-11-26 19:33:01      4
2018-11-23 08:50:40      1
2018-11-23 09:03:10      3

我想在不考虑日期的情况下按小时汇总分数，所需的结果是：

08:00:00        10
09:00:00        5
19:00:00        4

所以基本上我必须删除日期 - 月 - 年，然后按小时分组，

我试过这个命令

monthagg = df['score'].resample('H').sum().to_frame()

哪个工作但考虑到日期 - 月 - 年，如何删除DD-MM-YYYY并按小时汇总？

Answer 1

一种可能的解决方案是使用DatetimeIndex.floor设置分钟和秒到0，然后通过DatetimeIndex将DatetimeIndex.strftime转换为字符串，然后汇总sum：

a = df['score'].groupby(df.index.floor('H').strftime('%H:%M:%S')).sum()
#if column datetime
#a = df['score'].groupby(df['datetime'].dt.floor('H').dt.strftime('%H:%M:%S')).sum()
print (a)
08:00:00    10
09:00:00     5
19:00:00     4
Name: score, dtype: int64

或者使用DatetimeIndex.hour和聚合sum：

a = df.groupby(df.index.hour)['score'].sum()
#if column datetime
#a = df.groupby(df['datetime'].dt.hour)['score'].sum()
print (a)
datetime
8     10
9      5
19     4
Name: score, dtype: int64

Answer 2

设置生成具有datetime对象的框架：

import datetime
import pandas as pd

rows = [datetime.datetime.now() + datetime.timedelta(hours=i) for i in range(100)]
df = pd.DataFrame(rows,columns = ["date"])

您现在可以像这样添加一个小时列，然后按它分组：

df["hour"] = df["date"].dt.hour
df.groupby("hour").sum()

Answer 3

import pandas as pd
df = pd.DataFrame({'datetime':['2018-11-23 08:33:02 ','2018-11-24 09:43:30',
                               '2018-11-25 08:21:34',
                               '2018-11-26 19:33:01','2018-11-23 08:50:40',
                               '2018-11-23 09:03:10'],'score':[4,2,5,4,1,3]})
df['datetime']=pd.to_datetime(df['datetime'], errors='coerce')
df["hour"] = df["datetime"].dt.hour
df.groupby("hour").sum()

输出：

8   10
9   5
19  4