基于Python Apply方法按月份计算小时级与月度RMSE的技术问询

你的思路完全正确！按月份+小时双重分组正是实现这个需求的核心，下面我一步步给你拆解实现方法，结合你已有的代码逻辑来优化：

第一步：确保时间列格式正确 #

首先要确认你的dates列是datetime类型（如果还没转换的话），这样才能方便提取月份和小时：

import pandas as pd
import numpy as np

# 转换时间列（如果还没做的话）
dfr['dates'] = pd.to_datetime(dfr['dates'])
# 可选：将时间设为索引，方便后续操作
dfr = dfr.set_index('dates')

第二步：实现月份+小时的双重分组计算 #

你可以直接利用Pandas索引的dt属性提取月份和小时，进行双重分组，然后复用你已经写好的rmse函数：

# 你的rmse函数（可去掉调试用的print语句）
def rmse(group, s1, s2):
    if len(group) == 0:
        return np.nan
    s = (group[s1] - group[s2]).pow(2).sum()
    rmseO = np.sqrt(s / len(group))
    return rmseO

# 按【月份+小时】双重分组，计算每个组的RMSE
hourly_rmse_bb = dfr.groupby([dfr.index.month, dfr.index.hour]).apply(rmse, s1='AA', s2='BB')
hourly_rmse_cc = dfr.groupby([dfr.index.month, dfr.index.hour]).apply(rmse, s1='AA', s2='CC')

执行后你会得到一个带MultiIndex（月份、小时）的Series，比如hourly_rmse_bb.loc[(1, 0)]就是1月0点的BB相对于AA的RMSE。

第三步：计算每月的小时级RMSE平均值 #

对上面得到的小时级RMSE结果，再按月份做二次分组，就能得到每个月的小时级RMSE平均值：

# 计算每月的小时级RMSE平均值（所有24小时参与计算）
monthly_avg_rmse_bb = hourly_rmse_bb.groupby(level='month').mean()
monthly_avg_rmse_cc = hourly_rmse_cc.groupby(level='month').mean()

第四步：筛选特定小时参与平均值计算 #

如果只想让部分小时参与月度平均（比如仅工作日的8-18点），可以通过索引筛选实现：

# 示例：筛选8点到18点的小时数据
filtered_hourly_bb = hourly_rmse_bb.loc[
    hourly_rmse_bb.index.get_level_values('hour').between(8, 18)
]
# 计算筛选后的月度平均值
filtered_monthly_avg_bb = filtered_hourly_bb.groupby(level='month').mean()

可选：转成DataFrame提升可读性 #

如果想让结果更直观，可以把多重索引的Series转成普通DataFrame：

hourly_rmse_df = pd.DataFrame({
    'BB_RMSE': hourly_rmse_bb,
    'CC_RMSE': hourly_rmse_cc
}).reset_index(names=['month', 'hour'])

这样你就能看到每一行对应【月份、小时、BB的RMSE、CC的RMSE】的清晰表格。

内容的提问来源于stack exchange，提问作者diedro