IIUC，groupby()函数用于列名或列名列表，如
groupby('Date')或groupby(['Date','Time'])

• • UPDATE**在与@doctorstrange讨论后，我想更新答案。下面的代码尝试创建一个虚拟数据：

import pandas as pd
from datetime import datetime
import time
import random
logfile='log.csv'
c=0

with open(logfile,'a') as handle:
    handle.write('Date,Time,U,V\n')
    while c<=100:
        now=datetime.now()
        D=now.strftime('%Y-%m-%d')
        T=now.strftime('%H:%M:%S:%f')
        u=random.randint(1, 20)
        v=random.randint(1, 20)
        handle.write(f'{D},{T},{u},{v}\n')
        c=c+1
        time.sleep(1)

data是panda的 Dataframe ，如下所示
| | 日期|时间|美国|五|
| - ------|- ------|- ------|- ------|- ------|
| 无|2023年1月13日|11点31分43秒48秒1765|十五|八个|
| 1个|2023年1月13日|十一时三十一分四十四秒四十八万五千六百九十八分|十三|十一|
| 第二章|2023年1月13日|11时31分45秒489秒411|七|十一|
| 三个|2023年1月13日|十一时三十一分四十六秒四十九两五九二|六个|十一|
| 四个|2023年1月13日|11时31分47秒496405分|十八|十七|
| ...|...|...|...|...|
| 九十六|2023年1月13日|11时33分19秒81秒28秒32|十个|五个|
| 九十七|2023年1月13日|11时33分20秒812896分|五个|十五|
| 九十八|2023年1月13日|11时33分21秒816767|十六|九|
| 九十九|2023年1月13日|十一时三十三分二十二秒八十八万五五三|六个|八个|
| 一百|2023年1月13日|十一时三十三分二十三秒八十八万六五一|十三|六个|
数据已写入logfile "log.csv"文件。读入dataframe.data变量。

data=pd.read_csv(logfile)

通过应用组合了Date和Time的pd.Timestamp.combine()创建新列timestamp。

data['timestamp']=data.apply(lambda x: pd.Timestamp.combine(
     datetime.strptime(x['Date'],'%Y-%m-%d')
    ,datetime.strptime(x['Time'],'%H:%M:%S:%f').time()
   ), axis=1)

你会得到这个的
| | 日期|时间|美国|五|时间戳|
| - ------|- ------|- ------|- ------|- ------|- ------|
| 无|2023年1月13日|11点31分43秒48秒1765|十五|八个|2023年1月13日11时31分43.481765秒|
| 1个|2023年1月13日|十一时三十一分四十四秒四十八万五千六百九十八分|十三|十一|2023年1月13日11时31分44.485698秒|
| 第二章|2023年1月13日|11时31分45秒489秒411|七|十一|2023年1月13日11时31分45.489411秒|
| 三个|2023年1月13日|十一时三十一分四十六秒四十九两五九二|六个|十一|2023年1月13日11时31分46.492592秒|
| 四个|2023年1月13日|11时31分47秒496405分|十八|十七|2023年1月13日11时31分47.496405秒|
| ...|...|...|...|...|...|
| 九十六|2023年1月13日|11时33分19秒81秒28秒32|十个|五个|2023年1月13日11时33分19.812832秒|
| 九十七|2023年1月13日|11时33分20秒812896分|五个|十五|2023年1月13日11时33分20.812896秒|
| 九十八|2023年1月13日|11时33分21秒816767|十六|九|2023年1月13日11时33分21.816767秒|
| 九十九|2023年1月13日|十一时三十三分二十二秒八十八万五五三|六个|八个|2023年1月13日11时33分22.818553秒|
| 一百|2023年1月13日|十一时三十三分二十三秒八十八万六五一|十三|六个|2023年1月13日11时33分23.818651秒|
然后，在使用df3变量时，以下代码对timestamp列使用resample()函数和rule='min'（每分钟），并将偏移量设置为0s（零秒）。然后计算mean()，然后重置 Dataframe 索引，将列名设置为U_mean

df3=data.resample(rule='min', on='timestamp', offset='0s').U.mean().reset_index(name='U_mean')
df3

第一个结果是这样的
| | 时间戳|U_平均值|
| - ------|- ------|- ------|
| 无|2023年1月13日11时31分|九二三五二九|
| 1个|2023年1月13日11时32分|十|
| 第二章|2023年1月13日11时33分|八百二十五万|
最后，对于df4，V的平均值

df4=data.resample(rule='min', on='timestamp', offset='0s').V.mean().reset_index(name='V_mean')
df4

然后在timestamp上合并df3和df4，您将获得最终结果

pd.merge(df3,df4, on='timestamp')

最后，结果是
| | 时间戳|U_平均值|V_平均值|
| - ------|- ------|- ------|- ------|
| 无|2023年1月13日11时31分|九二三五二九|十一一一七六四七|
| 1个|2023年1月13日11时32分|十|十万七千一万六千六百六十七|
| 第二章|2023年1月13日11时33分|八百二十五万|十二五四一六百六十七|
希望这能有所帮助。