熊猫分组值并按日期范围获取平均值

Question

我有一个这样的DataFrame

df = pd.DataFrame( data = numpy_data, columns=['value','date'])

    value   date
0   64.885  2018-01-11
1   74.839  2018-01-15
2   41.481  2018-01-17
3   22.027  2018-01-17
4   53.747  2018-01-18
...  ...        ...
514 61.017  2018-12-22
515 68.376  2018-12-21
516 79.079  2018-12-26
517 73.975  2018-12-26
518 76.923  2018-12-26

519 rows × 2 columns

我想绘制value与date，而我正在使用它

df.plot( x='date',y='value')

我明白了

这里的要点是，此图有很多波动，我想对此加以缓解，我的想法是按日期间隔对值进行分组，并获得平均值，例如10天，即7月1日至7月10日之间的平均值，以及在7月5日创建点

很长的路要走，获取日期范围，用开始和结束日期分隔N个范围，使用日期过滤数据以计算平均值，然后放入其他DataFrame中。

  

有没有一种简短的方法？

PD：忽略峰

Answer 1

例如，您可以做的一件事是使用DataFrame.rolling和mean来获取数据帧的滚动平均值：

df = df.set_index(df.date).drop('date', axis=1)
df.rolling(3).mean().plot()

对于您拥有的示例数据框，直接绘制数据框将导致：

采用滚动平均值，您将：

我在这里选择了window中的3，但是他的选择取决于您希望它有多平滑

Answer 2

基于yatu答案

他的答案的问题是，滚动函数将值视为索引，而不是日期，通过一些转换，滚动可以将时间戳记用作使用时间作为窗口[pandas.rolling]

df = pd.DataFrame( data = numpy_data, columns=['value','date'])

df['date'] = df.apply(lambda row: pd.Timestamp(row.date), axis=1 )
df = df.set_index(df.date).drop('date', axis=1)
df.sort_index(inplace=True)

df.rolling('10d').mean().plot( ylim=(30,100) , figsize=(16,5),grid='true')

最终结果