我有一个这样的数据框：
Timestamp Consumption
4/1/2017 20:00 257
4/1/2017 21:00 262
4/1/2017 22:00 256
4/1/2017 23:00 256
4/2/2017 0:00 263
4/2/2017 1:00 256
4/2/2017 2:00 265
4/2/2017 3:00 259
4/2/2017 4:00 256
4/2/2017 5:00 260
4/2/2017 6:00 265
4/2/2017 7:00 265
我想做个别月份的消费栏目总和并将其列入清单。喜欢：
[1031,2089]
并且根据时间而不管日期来做总和。比如23：00到06:00：
[2080]
我怎样才能做到这一点？请帮忙。
答案 0 :(得分：1)
首先转换列to_datetime：
df.Timestamp = pd.to_datetime(df.Timestamp, dayfirst=True)
a = df.resample('m', on='Timestamp')['Consumption'].sum().dropna().tolist()
print (a)
[1031, 2089]
另一个类似的解决方案 - 添加了Grouper：
a = df.set_index('Timestamp').resample('m')['Consumption'].sum().dropna().tolist()
print (a)
[1031, 2089]
groupby，DatetimeIndex Partial String Indexing和sum的解决方案：
a = df.set_index('Timestamp')
.groupby(pd.Grouper(freq='m'))['Consumption']
.sum()
.dropna()
.tolist()
print (a)
[1031, 2089]
编辑：
如果在Timestamp列中过滤日期之间使用DataFrame.between_time：
df.Timestamp = pd.to_datetime(df.Timestamp, dayfirst=True)
date1 = '2017-01-04 23:00'
date2 ='2018-02-04 06:00'
df1 = df.set_index('Timestamp')['Consumption']
a = df1.loc[date1:date2].sum()
print (a)
2080
编辑：
如果需要types：
print (df)
Timestamp Consumption
0 4/1/2017 20:00 257
1 4/1/2017 21:00 262
2 4/1/2017 22:00 256
3 4/1/2017 23:00 256
4 4/2/2017 0:00 263
5 4/2/2017 1:00 256
6 4/2/2017 2:00 265
7 4/2/2017 3:00 259
8 4/2/2017 4:00 256
9 4/2/2017 5:00 260
10 4/2/2018 6:00 265
11 4/2/2018 7:00 265
12 4/3/2017 20:00 256
13 4/3/2017 21:00 263
14 4/3/2017 1:00 256
15 4/4/2017 2:00 265
16 4/4/2017 3:00 259
17 4/4/2017 8:00 256
df.Timestamp = pd.to_datetime(df.Timestamp, dayfirst=True)
df1 = df.set_index('Timestamp')['Consumption'].between_time('23:00','6:00')
print (df1)
Timestamp
2017-01-04 23:00:00 256
2017-02-04 00:00:00 263
2017-02-04 01:00:00 256
2017-02-04 02:00:00 265
2017-02-04 03:00:00 259
2017-02-04 04:00:00 256
2017-02-04 05:00:00 260
2018-02-04 06:00:00 265
2017-03-04 01:00:00 256
2017-04-04 02:00:00 265
2017-04-04 03:00:00 259
Name: Consumption, dtype: int64
print (df1.sum())
2860