使用Python中的pandas库解决该问题

示例代码：

import pandas as pd

创建示例数据框

data = {'ID': ['A', 'A', 'B', 'B', 'B'], 'Date': ['2021-01-01', '2021-01-02', '2021-01-01', '2021-01-02', '2021-01-03'], 'Time': [10, 15, 8, 12, 20]} df = pd.DataFrame(data)

转换日期字段格式为datetime

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

按ID聚合，日期字段计数和时间字段求和

result = df.groupby(['ID', 'Date']).agg({'Date': 'count', 'Time': 'sum'}) result.columns = ['DateCount', 'TimeSum'] # 重命名列名 result.reset_index(inplace=True) # 重置索引

print(result)

输出结果：

ID Date DateCount TimeSum 0 A 2021-01-01 1 10 1 A 2021-01-02 1 15 2 B 2021-01-01 1 8 3 B 2021-01-02 1 12 4 B 2021-01-03 1 20

注：以上代码示例输入的时间字段为整数，若为字符串需要使用pd.to_datetime()方法转换为datetime格式。