Python 使用pandas，如何重新采样并应用函数来添加列？

我对熊猫是完全陌生的，正在做我的第一步。我被卡住了，即使研究没有带来任何结果，很可能我没有使用正确的术语

我有以下表格中的初始数据

           datetime    counter
2019-06-01 17:57:54  159411631
2019-06-01 17:57:54  159411642
2019-06-01 17:57:54  159411642
2019-06-01 17:58:03  159411642
2019-06-01 17:58:03  159411643

这表示直接从计数器读取的耗电量的累计总值

我现在想根据这些数据计算每天的消费量

我正在尝试按日期重新采样数据：

res = df.resample('D').max() - df.resample('D').min()

这不起作用，因为熊猫不知道如何减去日期列。我不知道如何只选择一列。。。我不确定明确选择一列是否是熊猫式的做法

从上述数据中获取每日消费量的正确方法是什么

      date  consumption
2019-06-01         3968 
2019-06-02         9491
2019-06-03        20444

使用上的参数

并将其添加到
重采样
：

df['datetime'] = pd.to_datetime(df['datetime'])
res = (df.resample('D', on='datetime')['counter'].max() - 
       df.resample('D', on='datetime')['counter'].min())

或创建
DatetimeIndex
：

df['datetime'] = pd.to_datetime(df['datetime'])
df = df.set_index('datetime')
res = (df.resample('D').max() - 
       df.resample('D').min()).reset_index().rename(columns={'counter':'consumption'})


最后将
系列
转换为
数据帧
：

res = res.reset_index(name='consumption')
print (res)
    datetime  consumption
0 2019-06-01           12

res = res.reset_index(name='consumption')
print (res)
    datetime  consumption
0 2019-06-01           12