如何为含非规整时间戳的DataFrame计算每日每两组测量值的温度均值？

要实现按日期分组，且每组内每两个连续测量值（按时间排序后）计算均值的需求，可通过以下通用步骤完成，适配时间戳不规整的情况：

步骤说明 #

1. 合并并排序时间戳：先将日期和时间列合并为完整的datetime字段，确保每组内的测量值按时间顺序排列（因为数据不规整，必须先排序保证分组逻辑正确）。
2. 生成组内分组标签：对每个日期分组内的行，按顺序分配组ID，每两个行归为同一组。
3. 分组计算均值：按日期和组ID分组，计算每组的温度均值。

代码实现 #

import pandas as pd

# 构造示例数据（模拟用户的df）
data = {
    '日期': ['2022/01/01']*4 + ['2022/02/01']*4,
    '时间': ['00:00:00', '06:00:00', '12:00:00', '18:00:00',
            '00:00:00', '06:00:00', '12:00:00', '18:00:00'],
    '温度': [23,14,21,13,25,23,15,17]
}
df = pd.DataFrame(data)

# 1. 合并日期和时间为datetime列，并按此列排序
df['datetime'] = pd.to_datetime(df['日期'] + ' ' + df['时间'])
df = df.sort_values('datetime').reset_index(drop=True)

# 2. 按日期分组，生成组内的分组标签（每两个一组）
df['组ID'] = df.groupby('日期').cumcount() // 2

# 3. 按日期和组ID分组，计算温度均值
result = df.groupby(['日期', '组ID'])['温度'].mean().reset_index()

# 可选：给组ID添加更直观的名称（比如"第1组"、"第2组"）
result['组名称'] = '第' + (result['组ID'] + 1).astype(str) + '组'

print(result)

输出示例 #

日期  组ID    温度  组名称
0  2022/01/01    0  18.5  第1组
1  2022/01/01    1  17.0  第2组
2  2022/02/01    0  24.0  第1组
3  2022/02/01    1  16.0  第2组

适配特殊情况 #

如果某天的测量值数量为奇数（比如3个），上述代码会将最后一个单独归为一组并计算均值。若想忽略这类单元素组，可在最后一步添加过滤：

# 过滤掉组内元素数量小于2的分组
result = df.groupby(['日期', '组ID']).filter(lambda x: len(x)>=2).groupby(['日期', '组ID'])['温度'].mean().reset_index()

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