1.通过indexer访问行值，然后按时间和地点分组。
1.假设第二个任务在第一个任务之后，您可以在单个Select()操作中执行这两个任务：

• 对本地分组的样本求和，保存为SamplesSum。为了求和，你需要转换为合适的类型，我用int作为例子。
• 从最后一个分组条目中获取最后一个温度，将其保存为LastTemperature
• 最后，创建两个集合（int_array和样本的本地分组）的交集，并将其保存为MatchingValues。在此，从数据框行选择样本值时也不要忘记正确的类型转换

我有点担心选择最后一个温度而不先排序。最后一个温度将只是分组中的最后一个温度，而不确定它是最小值还是最高值。

var int_array = new int[] { 1, 2, 3 };
var dF_out = df_in.Rows
    .GroupBy(row => new { Time = row[0], Site = row[1] })
    .Select(group => new
    {
        SamplesSum = group.Sum(row => (int)row[2]),
        LastTemperature = group.Last()[3],
        MatchingValues = int_array.Intersect(group.Select(row => (int)row[2])),
    });

生成的dF_out集合将具有以下结构：

[
   {
      "SamplesSum":25,
      "LastTemperature":28.0,
      "MatchingValues":[
         21,
         4
      ]
   },
   {
      "SamplesSum":3,
      "LastTemperature":27.0,
      "MatchingValues":[
         3
      ]
   }
]

我经历了一个类似的任务，所以我可以报告一个可能的解决方案，为其他读者：

using System.Linq;
using Microsoft.Data.Analysis;

// Assume that df_in is a DataFrame with columns [time], [site], [samples], and [temperature]

var df_out = df_in.AsEnumerable()
    .GroupBy(row => new { Time = row.Field<DateTime>("time"), Site = row.Field<string>("site") })
    .Select(g => new
    {
        Time = g.Key.Time,
        Site = g.Key.Site,
        Samples = g.Sum(row => row.Field<int>("samples")),
        Temperature = g.Last().Field<float>("temperature")
    })
    .ToDataFrame();

那么对于第二任务，

using System.Linq;

// Assume that df_out is a DataFrame with a column [samples] and int_array is an array of integers

var filtered_df = df_out.AsEnumerable()
    .Where(row => int_array.Any(i => i == row.Field<int>("samples")))
    .ToDataFrame();