Pandas 熊猫系列按特定时间分组

我希望在天然气日（与天然气交易相关）有效实施熊猫系列分组。 这包括CET时区中早上6点到次日早上6点之间的所有小时/时间戳。 由于夏时制，一年一次的天然气日有23小时，一次有25小时。 我目前的解决方案工作正常（请参见下面的“加油日”功能），但速度非常慢。欢迎提出任何意见

将熊猫作为pd导入
def至天然气日（盖章）：
“”“根据加油日（欧洲中部时间6点到6点）设置时间戳和返回日期。”
如果stamp.hour<6：
日期=stamp.date（）-pd.Timedelta（天=1）
其他：
日期=邮票日期（）
返回pd.to_日期时间（天）
se=pd.系列(
数据=1。，
索引=pd.日期范围（'2020-10-23'，'2020-10-27'，频率='H'，时间='CET'）[：-1]
)
#这是DST日期前后的预计小时数
se.groupby（to_gas_day）.count（）
出[107]：
2020-10-22     6
2020-10-23    24
2020-10-24    25
2020-10-25    24
2020-10-26    18
数据类型：int64

这是否等同于您的代码

obj = pd.Series(pd.date_range('2020-10-23','2020-10-27', freq='H', tz='CET')[:-1])

cond = obj.dt.hour < 6
obj2 = np.where(cond, 
                  obj.dt.date - pd.Timedelta(days=1),
                  obj.dt.date)
obj2 = pd.Series(obj2)

obj3 = obj2.value_counts().sort_index()
print(obj3)

    2020-10-22     6
    2020-10-23    24
    2020-10-24    25
    2020-10-25    24
    2020-10-26    18
    dtype: int64

obj=pd.系列（pd.日期范围（'2020-10-23'，'2020-10-27'，频率='H'，时间='CET'）[：-1]）
cond=obj.dt.hour<6
obj2=np.式中（条件，
obj.dt.date-pd.Timedelta（天数=1），
目标日期）
obj2=pd.系列（obj2）
obj3=obj2.value_counts（）.sort_index（）
打印（obj3）
2020-10-22     6
2020-10-23    24
2020-10-24    25
2020-10-25    24
2020-10-26    18
数据类型：int64