我有一个这样的df
它包含不同日期时分的speed 和dir。例如,第一行记录 20060101 7:11,dir=87, speed=5。
现在,我认为数据可能过于精确,我想使用每小时的平均值 用于以后的计算。我该怎么做?
我可以通过groupy
df['Hr']=df['HrMn'].apply(lambda x: str(x)[:-2])
df.groupby(['date', 'Hr'])['speed'].mean()
这会返回我想要的东西
但它不是数据框,我该如何用于以后的计算?具体来说,我想知道
如果我使用的
groupby方法是解决这个问题的正确方法?如果是这样,以后如何将其用作数据框? (还需要获取dir、dir_max等属性)结果
groupby返回的顺序不正确(在date和Hr中),是否可以重新排序是吗?
更新:
如果我执行 df.groupby(['date', 'Hr'])['speed'].mean().unstack(),它将返回
数据当然是正确的,但我仍然希望它遵循初始数据框形式
除了 HrMn -> Hr
请您参考如下方法:
您得到的是一个多索引数据框。你可以试试
df.groupby(['date', 'Hr'])['speed'].mean().reset_index()
如果您想要其余数据的均值,请尝试
df.groupby(['date', 'Hr'])['speed', 'dir_max', 'speed_max'].mean().reset_index()
编辑: 在速度列上应用平均值,在 dir_max 和 speed_max 上应用最大值
df.groupby(['date', 'Hr']).agg({'speed' : np.mean,'dir_max' : np.max, 'speed_max': np.max}).reset_index()
