Pandas 使用时间索引计算特定时间间隔（例如每天）的数据帧列的积分

我有一个数据框（df），其中包括一年的功率传感器数据。数据以不规则的频率采样。我的df与此类似：

rng = pd.date_range('2020-07-30 12:00:00', periods=24, freq='6H')  
df = pd.DataFrame(np.array([1, 4, 5, 2, 1, 6, 1, 4, 5, 2, 1, 6, 1, 4, 5, 2, 1, 6, 1, 4, 5, 2, 1, 6]), rng, columns=['power'])  
df.index.name = 'Date'
df["month"] = df.index.month
df["week"] = df.index.week 

我想做的是计算每天的积分，然后能够将不同持续时间的积分相加，例如每周、每月等

对于整个数据框，下面给出正确的答案（他们考虑X轴上的时间）：

或

当我每天尝试整合时，我尝试了：

df.groupby(df.index.date)["power"].apply(np.trapz)

它有两个问题：

它假设“功率”测量值的间隔相等，且为每1个时间单位

它不考虑第一个单位在日变化时的贡献（例如31/7/2020的值应该是13，但现在计算为8.5＜/LI>）。 我还尝试：

df.groupby(df.index.date)["power"].apply(integrate.trapz, args=(df.index,))

但是我得到：TypeError:trapz（）得到了一个意外的关键字参数'args'

我希望我的结果如下所示：

Date           Energy(kWh)
2020-07-30     15
2020-07-31     78
2020-08-01     84
2020-08-02     66
2020-08-03     78
2020-08-04     84
2020-08-05     30

然后能够分组，例如

df = df.groupby(["month", "week"])["power"].sum()

结果如下：

month  week    Energy(kWh)
7      31      93
8      31      150
       32      192

那么，我如何在集成中使用初始数据帧的索引呢

df = df.groupby(["month", "week"])["power"].sum()

month  week    Energy(kWh)
7      31      93
8      31      150
       32      192