Python 如何在dataframe中每天的特定时间操作dataframe列中的值

因此，我有一个日期时间索引的数据帧，如下所示：

eventTime   Energy  Power   RunningHours
9/29/2018 0:00  146.985 65  2256.88
9/29/2018 1:00  147.05  64.5    2257.87
9/29/2018 2:00  147.116 65  2258.87
9/29/2018 3:00  147.181 65  2259.87
9/29/2018 4:00  147.246 65  2260.87
9/29/2018 5:00  147.312 65  2261.87
9/29/2018 5:11  76.428      
9/29/2018 5:12      65  
9/29/2018 6:00  147.377 65  2262.87
9/29/2018 7:00  147.443 65  2263.87
9/29/2018 8:00  147.45      2263.98
9/29/2018 9:17  76.558      
9/29/2018 9:17          1174.35
9/29/2018 19:00 147.502 65  2264.75
9/29/2018 20:00 147.567 65  2265.75
9/29/2018 21:00 147.633 65  2266.75
9/29/2018 22:00 147.698 65  2267.75
9/29/2018 23:00 147.764 65  2268.75
9/30/2018 0:00  147.829 65  2269.75
9/30/2018 1:00  147.895 65  2270.75
9/30/2018 2:00  147.961 65  2271.75
9/30/2018 3:00  148.026 65  2272.73
9/30/2018 4:00  148.092 65  2273.73
9/30/2018 5:00  148.157 65  2274.73
9/30/2018 6:00  148.223 65  2275.73
9/30/2018 7:00  148.288 65  2276.73
9/30/2018 8:00  148.297     2276.87
9/30/2018 13:51     64  
9/30/2018 19:00 148.35  65  2277.68
9/30/2018 20:00 148.415 65  2278.67
9/30/2018 21:00 148.481 65  2279.67
9/30/2018 22:00 148.546 65  2280.67
9/30/2018 23:00 148.611 65  2281.67

对于datetime索引中的每一天，我都在寻找23小时和0小时的“RunningHours”值之间的差异

我在想象我的输出是什么样子

9/29/2018   11.87
9/30/2018   11.92

我怎样才能做到这一点。我目前正在将datetime索引分解为日期和时间，然后循环查找日期和时间以找出差异。对于一些非常简单的事情来说似乎很复杂，我相信有一种更简单的方法可以使用datetime索引。我只是不知道怎么做。请帮忙

@ansev

对于连续的数据，以及存在00:00和23:00时间戳的信息，您的代码工作得非常好。但是，如果这两个时间戳缺少数据，脚本将获取此日期的第一个可用数据点或最后一个可用数据点

因为。e、 g:下面的数据

6/7/2018 0:00   67.728  64  1037.82
6/7/2018 1:00   67.793  64  1038.82
6/7/2018 2:00   67.857  64  1039.82
6/7/2018 3:00   67.922  64  1040.82
6/7/2018 4:00   67.987  64  1041.82
6/7/2018 5:00           64  1042.82
6/7/2018 6:00               1043.43
6/7/2018 23:00  68.288      

脚本的输出是

6/7/2018    1037.82 1043.43 5.61

如果数据不可用，如何修改为NaN？

---

非常感谢您在这方面的帮助。

假设按时间顺序排列，我们可以使用每个

日期的
第一个
和
最后一个
，然后我们可以得到差异

new_df = (df.groupby(pd.to_datetime(df['eventTime']).dt.date)['RunningHours']
            .agg(['first','last'])
            .assign(difference=lambda x: x['last']-x['first'])
            .reset_index())

print(new_df)
    eventTime    first     last  difference
0  2018-09-29  2256.88  2268.75       11.87
1  2018-09-30  2269.75  2281.67       11.92


我在这里回答了我自己的问题，以帮助那些正在寻找不同事物的人。
df.groupby（'eventTime'）['RunningHours'].agg（['first'，'last']）.diff（axis=1）。iloc[：，-1]
？@ansev：谢谢，但它保留了所有原始的日期时间索引，并返回0或NaN，但没有“RunningHours”中的差异Column您能以更方便使用的格式共享数据吗？对不起，我忘了是由dates@AMC：对不起，我试过了，但这是我尝试的结果。我和Python一样都是一个不折不扣的家伙（这里的第一个问题）。如何更好地共享数据？感谢您的帮助。@Ansev当数据连续时，此操作非常有效。非常感谢你！！但是，对于缺少特定时间戳的日子，它使用可用的第一个或最后一个日期时间戳。我想特别查找每个日期的0小时和23小时（用于创建每日度量）之间的差异。我试图在这里发布一些数据，但它没有以可用格式正确显示。那么，让我来编辑上面的问题。我只是在一个中等大小的数据上执行这个。对于2018-10-01，df中只有一个时间戳00:00的数据点。代码将此值用于00:00和23:00。如果00:00和23:00的具体数据不可用，我希望它显示NaN。