如何用xarray计算跨整点的30分钟时间平均值

可以通过时间偏移+分组聚合的方式快速实现需求，核心思路是将每个数据点映射到其所属的目标整点窗口，再按窗口分组求平均：

步骤1：生成窗口标签 #

给每个时间点加上15分钟后向下取整到小时，得到该数据点所属的整点窗口标签。例如：

• 12:45 +15分钟 =13:00 → 窗口标签为13:00（对应窗口12:45-13:15）
• 13:15 +15分钟 =13:30 → 窗口标签为13:00（包含在12:45-13:15窗口内）

步骤2：分组求平均 #

用生成的窗口标签对DataArray进行分组，再计算每组的平均值。

完整代码如下：

import numpy as np
import pandas as pd
import xarray as xr

# 生成示例数据
time = pd.date_range(start='2022-05-11 00:00:00', end='2022-05-11 23:15:00', freq='2min')
random_data = np.random.randint(100, size=len(time))
data_array = xr.DataArray(data=random_data, coords={'time': time})

# 生成窗口标签：每个时间点加15分钟后取整点
window_labels = (data_array.time + pd.Timedelta(minutes=15)).dt.floor('H')

# 按窗口标签分组求平均
hourly_avg = data_array.groupby(window_labels).mean()

# 查看结果
print(hourly_avg)

方案优势 #

• 无需手动筛选间隔bin，直接通过时间偏移自动匹配正确窗口，逻辑清晰不易出错
• 代码简洁易复用，仅需两行核心代码即可实现需求
• 结果的时间坐标直接对应目标整点，符合业务语义

内容的提问来源于stack exchange，提问作者mariandob