计算使用熊猫的时间序列数据的平均值数据帧

Question

我已经在这个线程偶然发现：

Monthly Averages Using Daily Data Using Python Pandas

已经回答了我的大部分问题。其余的部分是，我怎么能相应地排队，结果与原来的数据，这样的：

1979 1 1 3 
1979 1 2 3 
1979 1 3 3 
1979 1 4 3 
1979 1 5 3 
1979 1 6 3 
1979 1 7 4 
1979 1 8 5 
1979 1 9 7 
1979 1 10 8 
1979 1 11 16 
1979 1 12 16 
1979 1 13 16 
1979 1 14 18 
1979 1 15 18 
1979 1 16 18 
1979 1 17 18 
1979 1 18 20 
1979 1 19 20 
1979 1 20 20 
1979 1 21 20 
1979 1 22 20 
1979 1 23 18 
1979 1 24 18 
1979 1 25 18 
1979 1 26 18 
1979 1 27 18 
1979 1 28 18 
1979 1 29 18 
1979 1 30 18 
1979 1 31 19 13.709677 
1979 2 1 19 
1979 2 2 19 
1979 2 3 19 
1979 2 4 19 
1979 2 5 19 
1979 2 6 22 
1979 2 7 24 
1979 2 8 27 
1979 2 9 29 
1979 2 10 32 
1979 2 11 32 
1979 2 12 32 
1979 2 13 32 
1979 2 14 33 
1979 2 15 33 
1979 2 16 33 
1979 2 17 34 
1979 2 18 36 
1979 2 19 36 
1979 2 20 36 
1979 2 21 36 
1979 2 22 36 
1979 2 23 36 
1979 2 24 31 
1979 2 25 29 
1979 2 26 27 
1979 2 27 27 
1979 2 28 27 29.107143 

在此先感谢

Answer 1

可以使用dfGroupBy.transform随后df.duplicated，以纪念和替换重复。

In [198]: df['monthly_avg'] = df.groupby(["year", "month"]).snow_depth.transform('mean') 

In [205]: df.set_value(df['monthly_avg'].duplicated('last'), 'monthly_avg', '') 
Out[205]: 
    year month day snow_depth monthly_avg 
0 1979  1 1   3    
1 1979  1 2   3    
2 1979  1 3   3    
3 1979  1 4   3    
4 1979  1 5   3    
5 1979  1 6   3    
6 1979  1 7   4    
7 1979  1 8   5    
8 1979  1 9   7    
9 1979  1 10   8    
10 1979  1 11   16    
11 1979  1 12   16    
12 1979  1 13   16    
13 1979  1 14   18    
14 1979  1 15   18    
15 1979  1 16   18    
16 1979  1 17   18    
17 1979  1 18   20    
18 1979  1 19   20    
19 1979  1 20   20    
20 1979  1 21   20    
21 1979  1 22   20    
22 1979  1 23   18    
23 1979  1 24   18    
24 1979  1 25   18    
25 1979  1 26   18    
26 1979  1 27   18    
27 1979  1 28   18    
28 1979  1 29   18    
29 1979  1 30   18    
30 1979  1 31   19  13.7097 
31 1979  2 1   19    
32 1979  2 2   19    
33 1979  2 3   19    
34 1979  2 4   19    
35 1979  2 5   19    
36 1979  2 6   22    
37 1979  2 7   24    
38 1979  2 8   27    
39 1979  2 9   29    
40 1979  2 10   32    
41 1979  2 11   32    
42 1979  2 12   32    
43 1979  2 13   32    
44 1979  2 14   33    
45 1979  2 15   33    
46 1979  2 16   33    
47 1979  2 17   34    
48 1979  2 18   36    
49 1979  2 19   36    
50 1979  2 20   36    
51 1979  2 21   36    
52 1979  2 22   36    
53 1979  2 23   36    
54 1979  2 24   31    
55 1979  2 25   29    
56 1979  2 26   27    
57 1979  2 27   27    
58 1979  2 28   27  29.1071 

Answer 2

我接过原始线程的答案并对其进行了调整。

# Read in your file as a pandas.DataFrame 
# using 'any number of whitespace' as the seperator 
df = pd.read_csv("snow.txt", sep='\s*', names=["year", "month", "day", "snow_depth"]) 

# Group data first by year, then by month 
df['monthly_avg'] = df.groupby(["year", "month"])['snow_depth'].transform('mean') 

变换将根据groupby的组来广播您的aggregeated数据的结果。所以你的df的每一行都会有每月的平均值。