为数据集计算 Pandas 中每月明智的天数 [重复]答案

【问题标题】：Computing the days value to monthly wise in pandas for datsets [duplicate]为数据集计算 Pandas 中每月明智的天数 [重复]
【发布时间】：2019-07-30 09:03:40
【问题描述】：

我是熊猫新手。我有一个大型数据集，其中包含每天的温度值。我需要按月计算温度，即

这是我的数据集 csv 结构：

我需要转换成以下 csv 结构：

我正在考虑以下方法：

for(year=2012;year<=2018;year++)
   for(month=1;month<=12;month++)
      for(day=1;day<=31;day++)
         summax+=Temp_max[day]
         summin+=Temp_min[day]
      summax/=day
      summin/=day
      print(summax,summin)

但我不知道如何在 pandas/python 中执行此操作，如何在循环中获取列值，以及如何处理 2 月天（如 28 天、30 天、31 天）并带来预期的输出或类似的输出。任何帮助，将不胜感激。谢谢！！

【问题讨论】：

标签： python pandas numpy dataframe

【解决方案1】：

在 pandas 中使用 read_csv 读取您的 csv 文件

供您使用groupby

import pandas as pd

data = {'year': [*np.repeat(2012, 9), 2018],
        'month': [*np.repeat(1, 4), *np.repeat(2, 3), *np.repeat(3, 2), 12],
        'day': [1, 2, 3, 31, 1, 2, 28, 1, 2, 31],
        'Temp max': [28, 26, 27, 26, 27, 26, 26, 26, 25, 26],
        'Temp min': [19, 18, 17, 19, 18, 18, 18, 18, 18, 28]}

df = pd.DataFrame(data)
# df = pd.read_csv('file.csv')

df2 = df.groupby(['year', 'month'])['Temp max', 'Temp min'].mean()
print(df2)

输出：

             Temp max  Temp min
year month                     
2012 1      26.750000     18.25
     2      26.333333     18.00
     3      25.500000     18.00
2018 12     26.000000     28.00

如果你想全年使用：

df2 = df.groupby(['year', 'month'])['Temp max', 'Temp min'].mean().reset_index()

   year  month   Temp max  Temp min
0  2012      1  26.750000     18.25
1  2012      2  26.333333     18.00
2  2012      3  25.500000     18.00
3  2018     12  26.000000     28.00

【讨论】：

您应该将.mean() 替换为.agg({'Temp max': 'max', 'Temp min': 'min'}) 以获得所需的输出。
是的，这是因为 arya 给出了那个月的平均温度方程 @muzzyq
['Temp max', 'Temp min'] 也是多余的
我的错误，我会更新我的答案。

【解决方案2】：

输入： 根据问题的样本数据

import numpy as np
import pandas as pd

data = {'year': [*np.repeat(2012, 9), 2018],
        'month': [*np.repeat(1, 4), *np.repeat(2, 3), *np.repeat(3, 2), 12],
        'day': [1, 2, 3, 31, 1, 2, 28, 1, 2, 31],
        'Temp max': [28, 26, 27, 26, 27, 26, 26, 26, 25, 26],
        'Temp min': [19, 18, 17, 19, 18, 18, 18, 18, 18, 28]}

df = pd.DataFrame(data)

输出：结果数据帧

    year    month   day     Temp max    Temp min
0   2012    1       1       28          19
1   2012    1       2       26          18
2   2012    1       3       7           17
3   2012    1       31      26          19
4   2012    2       1       27          18
5   2012    2       2       26          18
6   2012    2       28      26          18
7   2012    3       1       26          18
8   2012    3       2       25          18
9   2018    12      31      26          28

输入：创建数据透视表，计算“Temp max”列的最大值和“Temp min”列的最小值

pivot = pd.pivot_table(data=df,
                       values=['Temp max', 'Temp min'],
                       index=['year', 'month'])

pivot.columns = ['Monthly Temp max', 'Monthly Temp min']

输出：结果数据帧

                Monthly Temp max    Monthly Temp min
year    month       
2012    1       26.75               18.25
        2       26.33               18.00
        3       25.50               18.00
2018    12      26.00               28.00

或者：使用 pandas 的 groupby 方法

grouped = (df
           .groupby(['year', 'month'])['Temp max', 'Temp min']
           .mean())

grouped.columns = ['Monthly Temp max', 'Monthly Temp min']

输出：结果数据帧

                Monthly Temp max    Monthly Temp min
year    month       
2012    1       26.75               18.25
        2       26.33               18.00
        3       25.50               18.00
2018    12      26.00               28.00

【讨论】：