使用熊猫，如何重新采样并应用函数以添加列？

Question

我是熊猫的新手，正在做我的第一步。 我一直陷于困境，即使研究也没有结果，很可能我没有使用正确的术语。

我有以下形式的初始数据

           datetime    counter
2019-06-01 17:57:54  159411631
2019-06-01 17:57:54  159411642
2019-06-01 17:57:54  159411642
2019-06-01 17:58:03  159411642
2019-06-01 17:58:03  159411643

这代表直接从计数器读取的我的耗电量的累计总值。

我现在想根据此数据计算每天的消费量。

我正在尝试按日期重新采样数据：

res = df.resample('D').max() - df.resample('D').min()

这不起作用，因为熊猫不知道如何减去日期列。 我不知道如何只选择一列...而且我不确定明确选择一列是熊猫式的做法。

从上述数据中获取每日消费量的正确方法是什么？

      date  consumption
2019-06-01         3968 
2019-06-02         9491
2019-06-03        20444

Answer 1

使用to_datetime并添加on来resample ：

df['datetime'] = pd.to_datetime(df['datetime'])
res = (df.resample('D', on='datetime')['counter'].max() - 
       df.resample('D', on='datetime')['counter'].min())

或创建DatetimeIndex ：

df['datetime'] = pd.to_datetime(df['datetime'])
df = df.set_index('datetime')
res = (df.resample('D').max() - 
       df.resample('D').min()).reset_index().rename(columns={'counter':'consumption'})

---

df['datetime'] = pd.to_datetime(df['datetime'])
df = df.set_index('datetime')
res = df.resample('D').agg(lambda x: x.max() - x.min())

最后将Series转换为DataFrame ：

res = res.reset_index(name='consumption')
print (res)
    datetime  consumption
0 2019-06-01           12