Pandas groupby函数失效，无法计算河道流量日均数据

我用Python从政府网站抓取某河道15分钟间隔的流量（cfs）数据，想计算4天内的日均流量。目前用BeautifulSoup爬取数据转存CSV后导入Pandas DataFrame，已完成数据清洗并将date列转为datetime类型，但调用groupby('date').mean()后新DataFrame没有变化，没法得到日均数据，请问问题出在哪？是否需要修改日期列？

相关代码 #

import requests
from bs4 import BeautifulSoup
import csv
import io
import pandas as pd

url = "https://www.usbr.gov/pn-bin/instant.pl?parameter=CHRO%20q&syer=2023&smnth=3&sdy=25&eyer=2023&emnth=4&edy=4&format=2"

response = requests.get(url)
soup = BeautifulSoup(response.text, "html.parser")
data = soup.findAll('pre')[1]

stringdata = str(data) # 转换为字符串
stringdata = stringdata[53:] # 去掉顶部无关文本
input_data = io.StringIO(stringdata)  # 转为可读取的字符串流

# 写入CSV文件
with open ('cherryCreek.csv', 'w', newline='') as file:
    writer = csv.writer(file)
    reader = csv.reader(input_data)
    for row in reader:
        writer.writerow(row)

df = pd.read_csv('cherryCreek.csv', names=['date','cfs'])
df = df.iloc[:-2] # 截断最后两行无关文本
df['date'] = pd.to_datetime(df['date'], utc=True)

df_avg = df.groupby('date').mean()
df_avg.head()

问题原因 #

你现在用date列做分组，但date列是精确到分钟的完整时间戳（比如2023-03-25 00:00:00+00:00），每个时间戳都是唯一的，分组后每个组里只有一条数据，计算均值自然和原数据完全一致，根本达不到按天聚合的目的。

解决方法 #

方法1：提取纯日期字段分组 #

直接从时间戳里提取年-月-日的日期部分，生成新列后分组：

# 提取日期部分，生成仅含年月日的新列
df['date_only'] = df['date'].dt.date
# 按纯日期分组计算日均流量
df_avg = df.groupby('date_only')['cfs'].mean().reset_index()

方法2：用resample做时间序列聚合 #

Pandas的resample是专门处理时间序列频率转换的工具，更适合这种场景：

# 先将date列设为DataFrame的索引
df = df.set_index('date')
# 按天（'D'）聚合计算均值，reset_index()把索引转回列
df_avg = df.resample('D')['cfs'].mean().reset_index()

这里的'D'代表天级频率，其他常用频率参数还有'H'（小时）、'W'（周）等。

方法3：截断时间戳到当天起始点 #

把时间戳向下截断到当天的0点，再按截断后的时间分组：

# 截断时间到天的起始时刻
df['date_floor'] = df['date'].dt.floor('D')
# 按截断后的时间分组计算均值
df_avg = df.groupby('date_floor')['cfs'].mean().reset_index()

内容的提问来源于stack exchange，提问作者dls2235