如何用Pandas的Pivot与Groupby生成月均小时数据

问题描述 #

现有一个以datetime index为索引的DataFrame（仅含单列数据），需要将其重塑为以小时为索引、月份（1-12）为列的结构，计算每个月对应小时的平均值，最终得到各月份的小时均值数据。当前代码仅能算出全年小时平均值，无法生成分月份的列，需修正实现方法。

用户尝试代码 #

尝试代码1 #

import pandas as pd
import numpy as np

dti = pd.date_range("2018-01-01", periods=8760, freq="H")

np.random.seed(seed=1111)
data = np.random.randint(1, high=100, size=len(dti))
data1 = np.random.randint(1, high=100, size=len(dti))
data2 = np.random.randint(1, high=100, size=len(dti))
data3 = np.random.randint(1, high=100, size=len(dti))

df = pd.DataFrame({'date': dti, 'data': data, 'data1': data1, 'data2': data2, 'data3': data3 })
df = df.set_index('date')

df1 = df[['data']]
pd.pivot(df1,index=df1.index.hour,columns=df1.index.month)
df1 = df1.groupby(df1.index.hour).mean()
print(df1)

尝试代码2 #

import pandas as pd
import numpy as np

dti = pd.date_range("2018-01-01", periods=8760, freq="H")

np.random.seed(seed=1111)
data1 = np.random.randint(1, high=100, size=len(dti))
data2 = np.random.randint(1, high=100, size=len(dti))
data3 = np.random.randint(1, high=100, size=len(dti))
data4 = np.random.randint(1, high=100, size=len(dti))

df = pd.DataFrame({'date': dti, 'data1': data1, 'data2': data2, 'data3': data3, 'data4': data4 })
df = df.set_index('date')

df1 = df[['data1']]
#pd.pivot(df1,index=df1.index.hour,columns=df1.index.month, values=df1[["data1"]])
df1 = df1.groupby(df1.index.hour).mean()
#print(df1)

当前输出 #

data1
date           
0     47.873973
1     49.454795
2     50.810959
3     48.726027
4     49.654795
5     49.745205
6     50.342466
7     47.753425
8     46.515068
9     49.364384
10    53.583562
11    49.983562
12    50.178082
13    51.049315
14    49.813699
15    51.032877
16    49.501370
17    49.641096
18    49.463014
19    48.504110
20    49.621918
21    51.060274
22    48.736986
23    50.139726

正确实现方案 #

核心逻辑是同时按小时和月份分组计算均值，再通过unstack将月份维度转为列，最终得到目标结构。

完整代码 #

import pandas as pd
import numpy as np

# 生成测试数据（保持与原代码一致的随机种子）
dti = pd.date_range("2018-01-01", periods=8760, freq="H")
np.random.seed(seed=1111)
data = np.random.randint(1, high=100, size=len(dti))
# 构建datetime索引的单列DataFrame
df = pd.DataFrame({'data': data}, index=dti)

# 关键步骤：按小时+月份分组求均值，将月份转为列
result = df.groupby([df.index.hour, df.index.month])['data'].mean().unstack(level=1)

# 可选：给列重命名为更直观的格式
result.columns = [f'月份{month}' for month in result.columns]

print(result)

代码说明 #

1. 分组逻辑：groupby([df.index.hour, df.index.month]) 同时按小时和月份分组，确保计算的是每个月内每个小时的平均值，而非全年小时均值。
2. 重塑结构：.unstack(level=1) 将分组后的月份（第二个分组维度）从多层索引转为列，直接得到以小时为行、月份为列的表格。
3. 列名优化：通过列表推导式将列名从数字改为月份1、月份2这类更易读的格式。

预期输出示例 #

月份1       月份2       月份3       月份4       月份5       月份6       月份7       月份8       月份9       月份10      月份11      月份12
0  48.354839  45.535714  49.096774  48.583333  47.935484  47.250000  48.096774  47.387097  47.083333  48.225806  47.516129  48.903226
1  52.129032  48.714286  49.225806  48.750000  49.000000  49.083333  48.000000  48.225806  49.333333  49.516129  47.096774  50.000000
2  52.096774  51.214286  52.032258  50.583333  50.129032  49.916667  50.000000  50.290323  50.166667  50.000000  49.032258  49.000000
...

内容的提问来源于stack exchange，提问作者Moose Drool