计算熊猫的每日平均值

Question

我有一个函数，可以计算同日熊猫数据帧"A"列中值的平均值。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.GrouperAPI。此外，这将保留数据帧，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应该比在不相关的系列/数组上分组更有效(如第二种形式(。

Answer 2

你可以做：

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
...