时间戳

首页 > 解决方案 > 按日期分隔数据框并计算平均值 Numpy Python

arrays - 按日期分隔数据框并计算平均值 Numpy Python

问题描述

和数组相互关联，所以数据data_list点。下面的函数显示了发生新年的索引。我正在尝试编写一个函数来显示给定年份内所有月度值的平均值。因此，由于 2019 年有 4 个月，因此需要将数字的总和除以 2019 年的月数，即 4，结果为。我怎么能编写这样的代码？monthly_values'2019-09-01 00:00:00'= 15 , 2019-10-01 00:00:00'= 39.6... etcyear_changes2019-09-01 00:00:00 - 2020-01-01 00:00:0015., 39.6, 0.2, 34.3Expected Output22.28

import datetime
import numpy as np
import pandas as pd
from pandas import DataFrame

date_list = ['2019-09-01 00:00:00', '2019-10-01 00:00:00', '2019-11-01 00:00:00',
 '2019-12-01 00:00:00', '2020-01-01 00:00:00', '2020-02-01 00:00:00', 
 '2020-03-01 00:00:00', '2020-04-01 00:00:00', '2020-05-01 00:00:00', 
 '2020-06-01 00:00:00', '2020-07-01 00:00:00', '2020-08-01 00:00:00',
 '2020-09-01 00:00:00','2020-10-01 00:00:00', '2020-11-01 00:00:00', 
 '2020-12-01 00:00:00','2021-01-01 00:00:00','2021-02-01 00:00:00', '2021-03-01 00:00:00', 
 '2021-04-01 00:00:00','2021-05-01 00:00:00', '2021-06-01 00:00:00', 
 '2021-07-01 00:00:00']
monthly_values = np.array([ 15., 39.6, 0.2, 34.3, 19.6, 26.8, 15.7, 26., 12.6, 15.5, 18.6, 2.3, 6.5,
   2.5, 12.2, 11.6, 93.9, 25.5, 26.5, -16.5, -1.4, -1.8, 5.])

data = DataFrame (date_list,columns=['Data'])
datetime = pd.to_datetime(data['Data'])

year_changes = data.loc[np.where(datetime.dt.year.diff().gt(0))].index.tolist()

预期产出年值：

2019 Average: 22.28
2020 Average: 14.16
2021 Avreage: 21.03

标签： arrayspython-3.xpandasdataframenumpy

解决方案

  1. date_list您可以从和创建数据框monthly_values：
data = pd.DataFrame({"Date": date_list, "Values": monthly_values})
data["Date"] = pd.to_datetime(data["Date"])

印刷：

         Date  Values
0  2019-09-01    15.0
1  2019-10-01    39.6
2  2019-11-01     0.2
3  2019-12-01    34.3
4  2020-01-01    19.6
5  2020-02-01    26.8
6  2020-03-01    15.7
7  2020-04-01    26.0
8  2020-05-01    12.6
9  2020-06-01    15.5
10 2020-07-01    18.6
11 2020-08-01     2.3
12 2020-09-01     6.5
13 2020-10-01     2.5
14 2020-11-01    12.2
15 2020-12-01    11.6
16 2021-01-01    93.9
17 2021-02-01    25.5
18 2021-03-01    26.5
19 2021-04-01   -16.5
20 2021-05-01    -1.4
21 2021-06-01    -1.8
22 2021-07-01     5.0
  1. 然后使用.groupbywith.dt.year作为石斑鱼：
print(data.groupby(data["Date"].dt.year).mean())

印刷：

         Values
Date           
2019  22.275000
2020  14.158333
2021  18.742857

推荐阅读