pandas 按一年中的某一天分组（去除闰日）得到 366 个结果答案

【问题标题】：pandas grouping by day of year (removing leap-days ) results in 366 resultspandas 按一年中的某一天分组（去除闰日）得到 366 个结果
【发布时间】：2018-04-11 19:32:14
【问题描述】：

我正在尝试获取一年中每一天的最小 T，数据来自十年。首先，我删除了闰日（我已经测试过它可以工作并且有 29-02）但是当我将它们分组并获得最低温度时，它会产生 366 行，并且它们都不是 0！

当我只对一年的数据进行分组时，它会产生 365 行，我用闰年和非闰年对其进行了测试，所有结果都是 365，问题是将不同年份的数据放在一起，总是给我 366 行.有什么线索吗？

df = df[~df['Date'].str.endswith('02-29')]

# print(df.sort_values(by='Date'))
df['Date'] = pd.to_datetime(df['Date'])
#I have also tried with this, same result
#df = df[~((df['Date'].dt.day==29)&(df['Date'].dt.month==2))]


temp_max = df[(df['Element'] == 'TMAX') & (df['Date'] > '01-01-2005') & (df['Date'] < '31-12-2014')].groupby(
    [df['Date'].dt.dayofyear]).agg(np.max)['Data_Value']

我首先使用字符串函数删除闰日，然后将其转换为日期时间格式，但效果很好

从输入这个：

print(df.head())
print(len(df))
df = df[~df['Date'].str.endswith('02-29')]
print(df.head())
print(len(df))

我明白了

            ID        Date Element  Data_Value
0  SPE00120107  2009-05-31    TMAX         313
1  SP000003195  2015-09-10    TMIN         174
2  SPE00120107  2015-08-02    TMIN         148
3  SPE00120107  2009-05-31    TMIN          99
4  SPE00120287  2010-12-17    TMIN         -55
47304
            ID        Date Element  Data_Value
0  SPE00120107  2009-05-31    TMAX         313
1  SP000003195  2015-09-10    TMIN         174
2  SPE00120107  2015-08-02    TMIN         148
3  SPE00120107  2009-05-31    TMIN          99
4  SPE00120287  2010-12-17    TMIN         -55
47280

感谢您的帮助！

【问题讨论】：

请在df = df[~df['Date'].str.endswith('02-29')]之前显示df['Date'].head()
另外，输入df['Date'].dtype 并显示输出
这看起来很像密歇根大学 Coursera 上的 Python 应用绘图、图表和数据表示课程的家庭作业的一部分。

标签： python pandas datetime leap-year

【解决方案1】：

一年中的某一天为您提供当年的某一天。如果那年恰好是闰年，那么 3 月 1 日将给您 61 天，而不管数据集中还有什么。该函数不会在您的数据集中添加天数来为您提供该数量（这就是您所假设的）

【讨论】：