如何用Pandas计算不连续时间序列的日均流量均值（适配闰年）

我有一个包含多个站点流量时间序列数据的Excel文件，部分年份数据缺失（比如某站点有1983-1985年数据，之后又有1990年数据）。需要对拥有两年及以上数据的站点，生成仅含366行（适配闰年）的Pandas DataFrame，计算所有可用年份中同一天的流量均值（即全年日均流量）。

尝试用df_avg = df.resample('D').mean()没有得到预期结果——因为数据存在日/月/年份缺失，目标是得到按1月1日到12月31日（含2月29日）分组的日均流量。

原始数据示例： #

目标输出示例： #

解决方案 #

步骤1：转换日期格式为datetime #

首先确保日期列是Pandas可识别的datetime类型，注意原始日期是日/月/年格式，需指定dayfirst=True：

import pandas as pd

# 读取Excel数据
df = pd.read_excel('你的流量数据.xlsx')
# 转换日期列
df['日期'] = pd.to_datetime(df['日期'], dayfirst=True)

步骤2：提取月日作为分组标识 #

生成每个日期对应的月-日字符串，这样能把不同年份的同一天归为一组，同时适配闰年的2月29日：

df['月日'] = df['日期'].dt.strftime('%m-%d')

步骤3：按“月日”分组计算均值 #

对每个月日分组计算流量平均值，直接得到366行的结果：

df_daily_avg = df.groupby('月日')['流量'].mean().reset_index()

步骤4：美化日期显示（可选） #

如果需要将01-01转换为“1月1日”的格式，可执行以下代码：

# 将月日字符串转换为中文日期格式
df_daily_avg['日期'] = df_daily_avg['月日'].apply(lambda x: f"{int(x.split('-')[0])}月{int(x.split('-')[1])}日")
# 调整列顺序并删除临时列
df_daily_avg = df_daily_avg.drop('月日', axis=1)[['日期', '日均流量']]

步骤5：筛选多站点中符合条件的站点（如果是多站点数据） #

如果数据包含多个站点，需先筛选出有两年及以上数据的站点，再计算日均：

# 提取每条数据的年份
df['年份'] = df['日期'].dt.year
# 统计每个站点的不同年份数量
site_year_count = df.groupby('站点名称')['年份'].nunique()
# 筛选出年份数≥2的站点
valid_sites = site_year_count[site_year_count >= 2].index
# 过滤数据后按站点+月日计算均值
valid_df = df[df['站点名称'].isin(valid_sites)]
final_result = valid_df.groupby(['站点名称', '月日'])['流量'].mean().reset_index()
# 同样可按步骤4美化日期列

内容的提问来源于stack exchange，提问作者Fusi