Python 收集每天的所有交易记录，并报告当天的总花费

我有一个像这样的数据框

date    Burned
8/11/2019 7:00  0.0
8/11/2019 7:00  10101.0
8/11/2019 8:16  5.2

我有以下代码：

import pandas as pd 
import numpy as np
# Read data from file 'filename.csv' 
# (in the same directory that your python process is based)
# Control delimiters, rows, column names with read_csv (see later) 
df = pd.read_csv("../example.csv") 
# Preview the first 5 lines of the loaded data 



df = df.assign(Burned = df['Quantity'])
df.loc[df['To'] != '0x0000000000000000000000000000000000000000', 'Burned'] = 0.0
# OR:

df['cum_sum'] = df['Burned'].cumsum()
df['percent_burned'] = df['cum_sum']/df['Quantity'].max()*100.0

a=pd.concat([df['DateTime'], df['Burned']], axis=1, keys=['date', 'Burned'])

b=a.groupby(df.index.date).count()

但是我得到了这个错误：

AttributeError:'RangeIndex'对象没有属性'date'

---

基本上，我想按天对所有这些时间进行排序，因为它一整天都有时间戳。我不在乎一天中什么时候发生了不同的事情，我只想得到每天“烧掉”的总数。

首先添加

parse_dates=['DateTime']

转换列

DateTime

：

df = pd.read_csv("../example.csv", parse_dates=['DateTime']) 

或第一列：

df = pd.read_csv("../example.csv", parse_dates=[0]) 

在您的解决方案中是

日期

列，因此需要使用

总和

：

b = a.groupby(a['date'].dt.date)['Burned'].sum().reset_index(name='Total')

---

我得到这个错误：AttributeError:只能使用带有datetimelike值的.dt访问器为什么它说它不是datetime？有没有办法让它成为datetime？@Jackson-使用

df=pd.read\u csv（“../example.csv”，parse\u dates=['datetime']）

这给了我当天的交易总数。如何获取与这些事务对应的已刻录列中的总数？@Jackson-然后使用

a.groupby（a['date'].dt.date）['Burned'].sum（）.reset_index（name='total'）

我得到了无效的语法