Pandas 熊猫：考虑不同实体的最大值的时间范围总和

上面的片段或多或少是：

date        value           pointName   pointNr     connectedPoint  ownerName
2018-05-08  2.039373e+08    Miami_1     P-00068     Point_1         Owner_1
2018-05-09  2.546125e+08    Miami_1     P-00068     Point_1         Owner_1 
2018-05-09  2.546010e+08    Miami_2     P-00066     Point_1         Owner_2 
2018-05-08  2.037412e+08    Miami_2     P-00066     Point_1         Owner_2 
2018-05-09  7.142878e+08    New_York_1  P-00211     Point_2         Owner_3 
2018-05-08  6.567392e+08    New_York_1  P-00211     Point_2         Owner_3 
2018-05-08  6.567392e+08    New_York_2  P-00188     Point_2         Owner_4 
2018-05-09  7.141274e+08    New_York_3  P-00126     Point_2         Owner_2 
2018-05-09  7.142878e+08    New_York_2  P-00188     Point_2         Owner_4 
2018-05-08  6.566841e+08    New_York_3  P-00126     Point_2         Owner_2 
2018-05-08  0.000000e+00    Boston_1    P-00081     Point_3         Owner_4 
2018-05-08  0.000000e+00    Boston_2    P-00105     Point_3         Owner_5
2018-05-09  6.987462e+07    Boston_2    P-00105     Point_3         Owner_5
2018-05-09  7.000680e+07    Boston_1    P-00081     Point_3         Owner_4 

rng = pd.DataFrame(my_df[['date', 'value', 'pointName', 'pointNr', 'connectedPoint', 'ownerName]].sort_values('connectedPoint').reset_index(drop=True))
rng.head(14)

我得到了全年的数据。对于这个例子，我选择了两天（2018-05-08和2018-05-09）

我想计算一个时间范围内的总和（本例中为两天），但每天只计算每个连接点的最大值。

2018-05-08伪数学写作示例：
求和（max{Point1}+max{Point2}+max{Point3}）
=2.039373e+08+6.567392e+08+…

最后，我们对每天（第1天+第2天+第3天…）的值（指计算前的总和）进行汇总，得出一个最终值

我尝试了groupby的不同方法，以及：

date        value           pointName   pointNr     connectedPoint  ownerName
2018-05-08  2.039373e+08    Miami_1     P-00068     Point_1         Owner_1
2018-05-09  2.546125e+08    Miami_1     P-00068     Point_1         Owner_1 
2018-05-09  2.546010e+08    Miami_2     P-00066     Point_1         Owner_2 
2018-05-08  2.037412e+08    Miami_2     P-00066     Point_1         Owner_2 
2018-05-09  7.142878e+08    New_York_1  P-00211     Point_2         Owner_3 
2018-05-08  6.567392e+08    New_York_1  P-00211     Point_2         Owner_3 
2018-05-08  6.567392e+08    New_York_2  P-00188     Point_2         Owner_4 
2018-05-09  7.141274e+08    New_York_3  P-00126     Point_2         Owner_2 
2018-05-09  7.142878e+08    New_York_2  P-00188     Point_2         Owner_4 
2018-05-08  6.566841e+08    New_York_3  P-00126     Point_2         Owner_2 
2018-05-08  0.000000e+00    Boston_1    P-00081     Point_3         Owner_4 
2018-05-08  0.000000e+00    Boston_2    P-00105     Point_3         Owner_5
2018-05-09  6.987462e+07    Boston_2    P-00105     Point_3         Owner_5
2018-05-09  7.000680e+07    Boston_1    P-00081     Point_3         Owner_4 

rng = pd.DataFrame(my_df[['date', 'value', 'pointName', 'pointNr', 'connectedPoint', 'ownerName]].sort_values('connectedPoint').reset_index(drop=True))
rng.head(14)

对不起，我对蟒蛇和熊猫还不熟悉。我在网上搜索过，但仍然找不到解决方案，即使这个案例对你们中的许多人来说是显而易见的。我卡住了

提前谢谢

使用+

---

---

按日期获取总金额：

connectedPoint      Point_1      Point_2     Point_3
date                                                
2018-05-08      203937300.0  656739200.0         0.0
2018-05-09      254612500.0  714287800.0  70006800.0

sum_date=df1.sum(axis=1)
print(sum_date)

date
2018-05-08    8.606765e+08
2018-05-09    1.038907e+09
dtype: float64

---

获取总金额：

connectedPoint      Point_1      Point_2     Point_3
date                                                
2018-05-08      203937300.0  656739200.0         0.0
2018-05-09      254612500.0  714287800.0  70006800.0

sum_date=df1.sum(axis=1)
print(sum_date)

date
2018-05-08    8.606765e+08
2018-05-09    1.038907e+09
dtype: float64

---

请多复制粘贴你的照片！我试过了，它成功了。不知道unstack（）。有很多东西需要阅读和发现；）我很乐意帮忙：）