Pandas如何按月日组合计算多年平均值并新增列

要实现按月日组合计算val列的平均值并新增对应列，可按以下步骤操作：

1. 确保日期列为datetime类型 #

先将record_date转换为datetime格式（若尚未转换）：

import pandas as pd

# 假设你的DataFrame名为df
df['record_date'] = pd.to_datetime(df['record_date'])

2. 按月日分组计算平均值 #

提取日期的月日字符串作为分组键，计算每个月日组合对应的val平均值：

# 生成月日-均值的映射表
daily_avg_map = df.groupby(df['record_date'].dt.strftime('%m-%d'))['val'].mean()

3. 映射生成新列 #

将计算好的平均值映射回原DataFrame，新增daily_average_val列：

df['daily_average_val'] = df['record_date'].dt.strftime('%m-%d').map(daily_avg_map)

扩展：处理未来年份的日期 #

如果后续DataFrame加入了2024、2025年的日期（如2024-01-01），只需重复提取月日并映射现有均值即可，无需重新计算分组：

# 示例：新增2024年1月1日的行
new_row = pd.DataFrame({'record_date': ['2024-01-01'], 'val': [0.5]})
df = pd.concat([df, new_row], ignore_index=True)
df['record_date'] = pd.to_datetime(df['record_date'])

# 直接映射已有均值
df['daily_average_val'] = df['record_date'].dt.strftime('%m-%d').map(daily_avg_map)

这样所有相同月日的行，无论年份如何，都会共享同一个平均值。

内容的提问来源于stack exchange，提问作者Shankze