如何在python中找到连续的时间戳并计算总和

Question

我正在查找每个客户在 24 小时内的销售额总和。

例如，

id     timestamp            sales
123   2022-10-01 12:50:55   11
124   2022-10-01 22:50:55   11
123   2022-10-01 13:50:55   11
123   2022-10-02 12:50:55   11
123   2022-10-02 13:50:55   11

那么 对于``id = 123``，我们选择

1. 
id     timestamp            sales
123   2022-10-01 12:50:55   11
123   2022-10-01 13:50:55   11
123   2022-10-02 12:50:55   11

Sum = 11+11+11 = 33

2. 
id     timestamp            sales
123   2022-10-01 13:50:55   11
123   2022-10-02 12:50:55   11
123   2022-10-02 13:50:55   11

Sum = 11+11+11 = 33

3. 
id     timestamp            sales
123   2022-10-02 12:50:55   11
123   2022-10-02 13:50:55   11

Sum = 11+11 = 22

4.
id     timestamp            sales
123   2022-10-02 13:50:55   11

Sum = 11

We get the result for id = 123 is

id     timestamp            sales   sum
123   2022-10-01 12:50:55   11      33
123   2022-10-01 13:50:55   11      33
123   2022-10-02 12:50:55   11      22
123   2022-10-02 13:50:55   11      11

For id = 124, we get 

id     timestamp            sales   sum
124   2022-10-01 22:50:55   11      11

I Know cross join可以处理这个问题，但这种方法对于大数据集来说很耗时。

有更好的方法来实现这一目标吗？

谢谢

Answer 1

您可以使用 groupby 为其提供 pd.Groupby(freq="D") 和 id 列：

df["timestamp"] = pd.to_datetime(df["timestamp"])
df.set_index("timestamp", inplace=True)
newDf = df.groupby([pd.Grouper(freq="D"), "id"]).sum().reset_index()
newDf

newDf 将是：

	timestamp	id	sales
0	2022-10-01 00:00:00	123	22
1	2022-10-01 00:00:00	124	11
2	2022-10-02 00:00:00	123	22

因此，通过调用 newDf [newDf["id"] == 124] 您将得到：

	timestamp	id	sales
1	2022-10-01 00:00:00	124	11

请注意，时间不会完全像您提到的那样，因为 00:00 通常被认为是一天的开始，而不是任何其他时间。