Python中如何计算DataFrame里全年每日的温度均值？

核心思路 #

原方法仅基于现有数据中的日期分组，无法自动补充缺失日期。要得到全年每日均值，必须先构建目标年份的完整日期序列，再与原数据合并，最后计算均值。

具体实现步骤 #

1. 转换日期列格式
   确保Dates列为datetime类型，避免字符串格式导致的匹配异常：

import pandas as pd

# 转换Dates列为datetime格式
df['Dates'] = pd.to_datetime(df['Dates'])

2. 生成全年完整日期序列
   以2019年为例，生成全年每一天的日期：

# 创建包含2019年所有日期的DataFrame
full_dates = pd.date_range(start='2019-01-01', end='2019-12-31', freq='D')
full_df = pd.DataFrame({'Dates': full_dates})

3. 合并原数据与完整日期
   通过左连接保留所有日期，原数据中无记录的日期对应的Temp会显示为NaN：

merged_df = pd.merge(full_df, df, on='Dates', how='left')

4. 计算每日温度均值
   按日期分组计算均值，缺失数据可根据需求填充：

daily_mean = merged_df.groupby('Dates', as_index=False)['Temp'].mean()

# 可选：用线性插值填充缺失值（也可替换为0、前后均值等）
daily_mean['Temp'] = daily_mean['Temp'].interpolate(method='linear')

结果说明 #

运行后daily_mean会包含2019年全年365天的日期及对应温度均值，原数据中无记录的日期会按你选择的方式处理（保留NaN、插值填充或固定值填充）。

内容的提问来源于stack exchange，提问作者toms