累积记录的每日和每小时功耗使不匹配不匹配

Question

我是每小时计算的功率计的每日数据，具有累积的记录能源消耗如下：

设备	时间	kWh
仪表	2022年5月12日21:05:00	900 900
米1	12 2022 21:20:00	930 930
米1	12 2022 21 ：55：00	950
米1	2022 22:05:00	1000
米	12022 22:55:00	1050
米1	13 5月13日2022 00:05:00	1200

我尝试按日期和日期进行分组。但是在此之后，数据看起来并不如下：

Hourly report:
Meter 1|12 May 2022 21:00:00    |50 (950-900)
Meter 1|12 May 2022 22:00:00    |50 (1050-100)
Meter 1|13 May 2022 00:00:00    |0 (only 1 data)

Daily report:
Meter 1|12 May 2022         |150 (1050-900)
Meter 1|13 May 2022         |0 (only 1 data)

- ＆gt;在2022年5月12日，每小时和每天都不等于，

因此我想找到一种按照以下数据计算的方法：

Hourly report:
Meter 1|12 May 2022 21:00:00    |50 (950-900)
Meter 1|12 May 2022 22:00:00    |100 (1050-950)
Meter 1|13 May 2022 00:00:00    |150 (1200-1050)

Daily report:
Meter 1|12 May 2022         |150 (1050-900)
Meter 1|13 May 2022         |150 (1200-1050)

我希望找到从新的小时数据/最后一个小时数据中解决问题不匹配的方法，新的一天数据/最后一天数据。

目前，我正在使用Python和Pandas。

Answer 1

想法是设备和 grouper with groupby.lastby.last ，在device中获得差异，并首先替换通过订阅的最后一个ANF的值：

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

df1 = df.groupby(['Device', pd.Grouper(freq='H', key='Time')])['kWH'].agg(['first','last'])

df1 = df1.groupby(level=0)['last'].diff().fillna(df1['last'].sub(df1['first'])).reset_index(name='hour diff')
print (df1)
    Device                Time  hour diff
0  Meter 1 2022-05-12 21:00:00       50.0
1  Meter 1 2022-05-12 22:00:00      100.0
2  Meter 1 2022-05-13 00:00:00      150.0

df2 = df.groupby(['Device', pd.Grouper(freq='D', key='Time')])['kWH'].agg(['first','last'])

df2 = df2.groupby(level=0)['last'].diff().fillna(df2['last'].sub(df2['first'])).reset_index(name='day diff')
print (df2)
    Device       Time   day diff
0  Meter 1 2022-05-12      150.0
1  Meter 1 2022-05-13      150.0