Question

我有一个函数，可以计算同一日期的熊猫数据框的“ A”列中的值的均值。有没有一种方法比最后一行中的列表理解更有效？

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]

Answer 1

是的，您可以使用pd.Grouper API。另外，这将保留DataFrame，因此是双赢的。

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

或者，您可以在日期时间索引的底部进行分组。

means = df.groupby(df.index.floor('D')).mean()

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比对不相关的序列/数组进行分组要有效（如第二种形式）。

Answer 2

您可以这样做：

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
...

用熊猫计算每日平均值

2 个答案: