用Pandas计算日平均值

2024-03-28 11:28:44 发布

您现在位置:Python中文网/ 问答频道 /正文

我有一个函数,它将计算pandas数据帧的列“a”中属于同一日期的值的平均值。有没有一种方法比最后一行的列表理解更有效?在

import pandas as pd
import numpy as np

def daily_mean(df,date,col):
     return df[date][col].mean()

data = np.random.rand(100)
columns = ['A']
times = pd.date_range('20180101',freq='9H',periods=100)
df = pd.DataFrame(data=data,index=times,columns=columns)

dates = df.index.strftime('%Y%m%d').unique()
means = [daily_mean(df,date,'A') for date in dates]

Tags: columnsimportpandasdfdatadateindexas
2条回答

您可以:

df.reset_index().groupby(pd.Grouper(key='index', freq='D'))['A'].mean()

index
2018-01-01    0.412354
2018-01-02    0.301209
2018-01-03    0.710357
2018-01-04    0.158135
2018-01-05    0.720308
...

是的,您可以使用pd.GrouperAPI。此外,这将保留数据帧,因此这是一个双赢的选择。在

means = df.groupby(pd.Grouper(freq='1D')).mean()

或者,可以在datetime索引的底部分组。在

^{pr2}$

means.head(10)
                   A
2018-01-01  0.412354
2018-01-02  0.301209
2018-01-03  0.710357
2018-01-04  0.158135
2018-01-05  0.720308
2018-01-06  0.281862
2018-01-07  0.489486
2018-01-08  0.287808
2018-01-09  0.463117
2018-01-10  0.512963

我更喜欢方法1,因为pd.Grouper应该比在不相关的序列/数组上分组(如第二种形式)更有效。在

相关问题 更多 >