Pandas 根据每小时数据计算每日和每月平均值

Question

我有一个 8784 x 13 的 DF (df2)，它看起来像这样，带有 yyyy-mm-dd 格式的 "DATE" 列和小时数的 "TIME" 列，如下所示，我需要计算 2016 年的每日和每月平均值：

     DATE  TIME  BAFFIN BAY  GATUN II   GATUN I  KLONDIKE IIIG  \
8759 2016-01-01  0000    8.112838  3.949518  3.291540       7.629178   
8760 2016-01-01  0100    7.977169  4.028678  3.097562       7.477159   

  KLONDIKE II  LAGOA II  LAGOA I  PENASCAL II  PENASCAL I    SABINA  \
8759     7.095450       NaN      NaN     8.250527    8.911508  3.835205   
8760     7.362562       NaN      NaN     7.877099    7.858908  3.766714   

  SIERRA QUEMADA  
8759        3.405049  
8760        4.386598

我曾尝试将 'DATE' 列转换为日期时间以使用 groupby，但我不确定如何执行此操作。我在下面尝试了以下操作，但是当我在 Excel 中测试计算时，它没有按照预期的日或月平均值对我的数据进行分组：

davg_df2 = df2.groupby(by=df2['DATE'].dt.date).mean() #
davg_df2m = df2.groupby(by=df2['DATE'].dt.month).mean() #

谢谢您，我仍在学习 python 并了解如何使用日期和不同的数据类型！

Answer 1

试试这个：

df2['DATE'] = pd.to_datetime(df2['DATE'], format='%Y-%m-%d')
# monthly
davg_df2 = df2.groupby(pd.Grouper(freq='M', key='DATE')).mean()
# daily
davg_df2 = df2.groupby(pd.Grouper(freq='D', key='DATE')).mean()

Answer 2

# first convert the DATE column to datetime data type:

df2['DATE'] = pd.to_datetime(df2['DATE'])

# create new columns for month and day like so:

df2['month'] = df2['DATE'].apply(lambda t:t.month)
df2['day'] = df2['DATE'].apply(lambda t:t.day)

# then you group by day and month and get the mean like so:

davg_df2m = df2.groupby('month').mean()
davg_df2 = df2.groupby('day').mean()

Pandas 根据每小时数据计算每日和每月平均值

Pandas Calculate Daily & Monthly Average from Hourly Data

average

date

pandas