根据一周中的一天来寻找每小时的平均数据，以模拟缺失天数的数据
根据一周中的一天来寻找每小时的平均数据，以模拟缺失天数的数据
提问于 2020-03-18 11:01:20
我有一组从07-2月19日到17-2月19日的小时数据：
t v_amm v_alc v_no2
0 2019-02-07 08:00:00+00:00 0.320000 0.344000 1.612000
1 2019-02-07 09:00:00+00:00 0.322889 0.391778 1.580889
2 2019-02-07 10:00:00+00:00 0.209375 0.325208 2.371250
...
251 2019-02-17 19:00:00+00:00 1.082041 0.652041 0.967143
252 2019-02-17 20:00:00+00:00 0.936923 0.598654 1.048077
253 2019-02-17 21:00:00+00:00 0.652553 0.499574 1.184894另一组类似的小时数据，从01-3月19日到11-3月-19：
t v_amm v_alc v_no2
0 2019-03-01 00:00:00+00:00 0.428222 0.384444 1.288222
1 2019-03-01 01:00:00+00:00 0.398600 0.359600 1.325800
2 2019-03-01 02:00:00+00:00 0.365682 0.352273 1.360000
...
244 2019-03-11 04:00:00+00:00 0.444048 0.415238 1.265000
245 2019-03-11 05:00:00+00:00 0.590698 0.591395 1.156977
246 2019-03-11 06:00:00+00:00 0.497872 0.465319 1.228298然而，在17-Feb-19和01-3月-19之间没有可用的数据.因此，我想找出每小时平均数据基于一周的一天，以模拟丢失的每小时数据之间的17-2月19日和01-3月-19日。
换句话说，使用一周中同一天的所有小时数据，并找出当天每小时的平均值。2月17日至2月19日至01日至3月19日的预期产出如下：
t v_amm v_alc v_no2
0 2019-02-17 22:00:00+00:00 1.082041 0.652041 0.967143
1 2019-02-17 23:00:00+00:00 0.936923 0.598654 1.048077
2 2019-02-18 00:00:00+00:00 0.652553 0.499574 1.184894
...
250 2019-02-29 21:00:00+00:00 0.428222 0.384444 1.288222
251 2019-02-29 22:00:00+00:00 0.398600 0.359600 1.325800
252 2019-02-29 23:00:00+00:00 0.365682 0.352273 1.360000有人知道如何在熊猫身上获得这个吗？
回答 1
Stack Overflow用户
回答已采纳
发布于 2020-03-18 11:21:16
我会通过添加一个临时列"day_of_week“来解决这个问题。您可以使用以下方法轻松生成此值：
df['day_of_week'] = df.t.dt.dayofweek(pandas.DatetimeIndex.dayofweek文档)
接下来，您需要为每个工作日生成平均值：
daily_mean = df.groupby(by='day_of_week').mean()接下来的步骤取决于您需要的值。daily_means变量具有所需的所有平均值。
下一步可能是通过生成日期值、生成相应的工作日和插入生成的平均值来创建缺少的行。
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/60738136
复制相关文章
相似问题
腾讯云开发者
