如何将熊猫每日数据框转换为每月最大值的平均值？答案

【问题标题】：How do I transform a pandas daily dataframe into average of monthly maximums?如何将熊猫每日数据框转换为每月最大值的平均值？
【发布时间】：2022-06-30 23:41:28
【问题描述】：

我有一个显示 1973 年至 2013 年间每日降雨量的数据框，如下所示：

            tp1
time           
1973-04-01  0.1
1973-07-01  0.4
1973-08-01  0.0
1973-12-01  0.5
1973-01-17  0.0
        ...
2013-10-09  0.0
2013-11-09  0.2
2013-12-09  0.0
2013-09-13  0.4
2013-09-14  0.0

[6432 rows x 1 columns]

我试图计算出每年每个月的最大日降雨量，然后取多年来每个月值的平均值，因此最终数据报将仅包含 12 行，格式如下：

      Average of Maximum Daily Rainfall in each Month
Jan       x
Feb       x
March     x 
April     x
May       x
June      x
Jul       x
....

我尝试了以下命令：

data = df.groupby(df.index.month).max()

但是，我认为这是在绘制最大值的最大值，而不是我想要的最大值的平均值。

【问题讨论】：

这能回答你的问题吗？ Resample daily data to get monthly dataframe?
这能回答你的问题吗？ Pandas groupby month and year
df_monthly_max = df.resample('M').max() 然后df_monthly_max.groupby(df_monthly_max.index.month_name(), sort=False).mean()

标签： python pandas dataframe

【解决方案1】：

您可以先 groupby year 和 month 获得月份的最大值，然后 groupby month 获得平均年份。

out = df.groupby(df.index.strftime('%Y-%m')).max()
out.index = pd.to_datetime(out.index)

print(out)

            tp1
1973-01-01  0.0
1973-04-01  0.1
1973-07-01  0.4
1973-08-01  0.0
1973-12-01  0.5
2013-09-01  0.4
2013-10-01  0.0
2013-11-01  0.2
2013-12-01  0.0

res = out.groupby(out.index.strftime('%b')).mean()

print(res)

      tp1
Apr  0.10
Aug  0.00
Dec  0.25
Jan  0.00
Jul  0.40
Nov  0.20
Oct  0.00
Sep  0.40

【讨论】：

【解决方案2】：

####重置索引

df = df.reset_index().rename(columns = {'index':'timestamp'})

####（可选）如果时间戳是str格式（转换为日期时间格式）

df['timestamp'] = pd.to_datetime(df['timestamp'],format = '%Y-%m-%d %H:%M:%S')

####获取月份和年份

从日期时间导入日期时间

df['month'] = df['timestamp'].apply(lambda x:x.strftime('%b'))

df['year'] = df['timestamp'].apply(lambda x:x.strftime('%Y'))

####得到每个month_year的最大降雨量

df2 = df.groupby(['month','year']).max()['tp1'].reset_index()

####按月平均

df2 = df2.groupby('month').mean()['tpi1'].reset_index()

####注意，我没有尝试上面的代码，但希望你能从中得到一些想法。周全

【讨论】：