如何计算所有站点各月最高气温及正确理解datetime index

1. 计算所有站点每个月的最高气温 #

你的思路方向是对的，用pandas的时间分组/重采样功能可以更高效实现，具体步骤如下：

步骤1：预处理时间列 #

先把datetime列转换为pandas可识别的时间格式，这是后续操作的基础：

import pandas as pd

# 加载数据（假设数据存储为CSV文件）
df = pd.read_csv('weather_data.csv')
# 转换datetime列为时间类型，匹配原始数据的日/月/年 时:分格式
df['datetime'] = pd.to_datetime(df['datetime'], format='%d/%m/%Y %H:%M')

步骤2：两种高效计算方式 #

方式一：按站点+月份分组聚合

直接通过groupby结合时间分组器，一次性计算每个站点每月的最高气温：

# 按stationID和月份分组，提取temperature的最大值
monthly_max_temp = df.groupby(
    ['stationID', pd.Grouper(key='datetime', freq='M')]
)['temperature'].max().reset_index()
# 重命名月份列，让结果更清晰
monthly_max_temp.rename(columns={'datetime': 'month'}, inplace=True)

方式二：先按站点分组，再按月重采样

如果需要对每个站点单独处理时间序列，这种方式更灵活：

# 先按站点分组，再对每组数据按月重采样，取最高温
monthly_max_temp = df.groupby('stationID').resample(
    'M', on='datetime'
)['temperature'].max().reset_index()

补充：指定月份范围的计算 #

如果只需要计算特定月份区间的最高温，可以先筛选数据再聚合：

# 筛选2010年3月到8月的数据
filtered_df = df[(df['datetime'] >= '2010-03-01') & (df['datetime'] <= '2010-08-31')]
# 再执行分组计算
filtered_monthly_max = filtered_df.groupby(
    ['stationID', pd.Grouper(key='datetime', freq='M')]
)['temperature'].max().reset_index()

2. 如何正确理解Datetime Index #

Datetime Index是pandas专为时间序列数据设计的索引类型，核心价值是让时间相关操作更直观、高效：

• 有序的时间标签：它会自动按时间先后排序，你可以直接用时间范围筛选数据，比如df.loc['2010-01':'2010-02']就能快速取出1-2月的所有记录
• 原生支持时间周期操作：像按月/年聚合（resample）、滚动窗口计算（rolling）这类操作，必须依赖Datetime Index才能识别时间间隔，自动完成边界划分
• 兼容普通索引功能：它可以像普通索引一样定位行，但额外提供了时间维度的逻辑支持，比如按年、月、日拆分数据，无需手动处理字符串格式
• 直观对比：如果用普通字符串作为时间索引，你无法直接调用resample('M')；但转成Datetime Index后，pandas能自动识别每个月的起始和结束时间，一键完成聚合

内容的提问来源于stack exchange，提问作者Alex Ho