你可以这样使用DataFrame.resample：

df.resample('H').sum()

字符串
要使用resample，你需要确保你的索引是DatetimeIndex。我认为有几种方法可以做到这一点，但你可以尝试：

df.index = pd.DatetimeIndex(df.index)

型

可以使用resample：

df.set_index('DateTime').resample('H').sum().drop('SENSOR', axis=1)

个字符

注意：如果您的DateTime列还不是datetime格式，请先执行以下操作：

df['DateTime'] = pd.to_datetime(df['DateTime'])

型

您需要使用pd.Grouper

df.set_index('DateTime').drop('SENSOR',1).groupby(pd.Grouper(freq='1h')).aggregate(np.sum)

字符串
输出量：

PROD
DateTime        
2019-04-01 00:00:00 10.0
2019-04-01 01:00:00 6.0
2019-04-01 02:00:00 12.0

型

resample支持on选项来指定用于重采样而不是索引的列。因此，您不需要将_index设置为datetimeindex。只需在on中指定列名即可

df.resample('H', on='DateTime').PROD.sum()

Out[1948]:
DateTime
2019-04-01 00:00:00    10.0
2019-04-01 01:00:00     6.0
2019-04-01 02:00:00    12.0
Freq: H, Name: PROD, dtype: float64

字符串
另一种方法是使用groupby将df.DateTime向下转换为datetime64[h]

df.groupby(df.DateTime.astype('datetime64[h]')).PROD.sum()

Out[8]:
DateTime
2019-04-01 00:00:00    10.0
2019-04-01 01:00:00     6.0
2019-04-01 02:00:00    12.0
Name: PROD, dtype: float64

型