对于每个名字，计算每个月的平均雪量。
对于每个名字，计算每个月的平均雪量。
提问于 2020-04-10 07:37:13
import pandas as pd
import numpy as np
# Show the specified columns and save it to a new file
col_list= ["STATION", "NAME", "DATE", "AWND", "SNOW"]
df = pd.read_csv('Data.csv', usecols=col_list)
df.to_csv('filteredData.csv')
df['year'] = pd.DatetimeIndex(df['DATE']).year
df2016 = df[(df.year==2016)]
df_2016 = df2016.groupby(['NAME', 'DATE'])['SNOW'].mean()
df_2016.to_csv('average2016.csv')
- ，为什么我的约会在这里没有得到正确的排序？第12行应该位于顶部，但它位于5月底，第25行
- 也是如此，每个名称/月的平均雪也没有显示在我的excel工作表上。为什么会这样呢？基本上，我在试图计算五月的平均降雪量，在美国密歇根州的美国DATA0.7SE。然后计算出美国MI美国DATA0.7SE 6月份的平均降雪量。
我花了一整天这就是我拥有的一切..。任何帮助都将不胜感激。提前谢谢。
Stack Overflow用户
回答已采纳
发布于 2020-04-10 08:11:31
请尝试
数据
df=pd.read_csv(r'directorywhere the data is\data.csv')
df工作中
df.dtypes# Checking the datatype on each column
df.columns#listing columns
df['DATE']=pd.to_datetime(df['DATE'])#Converting date from object to a date format
df.set_index(df['DATE'], inplace=True)#Seeting the date as index
df['SNOW'].fillna(0)#filling all Not a Number values with zeros to make aggregation possible
df['SnowMean']=df.groupby([df.index.month, df.NAME])['SNOW'].transform('mean')#Groupby name, month and calculate the mean of snow. Store the result in anew column called df['SnowMean']
df正在检查
df.loc[:,['DATE','Month','SnowMean']]# Slice relevant columns to check我知道你有好几年的时间。如果您希望每年平均每个月，请再次提取该年并将其添加到组中，如下所示
df['SnowMeanPerYearPerMonth']=df.groupby([df.index.month,df.index.year,df.NAME])['SNOW'].transform('mean')
df再检查一次
pd.set_option('display.max_rows',999)#diaplay upto 999 rows to check
df.loc[:,['DATE','Month','Year','SnowMean']]# Slice relevant columns to check页面原文内容由Stack Overflow提供。腾讯云小微IT领域专用引擎提供翻译支持
原文链接：
https://stackoverflow.com/questions/61135890
复制相关文章
相似问题
腾讯云开发者
