如何用Python Pandas按日期统计数据的最小值、最大值与平均值？

步骤1：读取并预处理数据 #

先把CSV里的time字段解析为日期时间类型，再提取纯日期作为分组依据：

import pandas as pd

# 读取CSV，自动解析time列为datetime格式
df = pd.read_csv('your_data.csv', parse_dates=['time'])

# 提取日期部分（仅保留年月日），生成分组用的date列
df['date'] = df['time'].dt.floor('D')

步骤2：按日期分组聚合统计 #

通过groupby结合agg方法，对Buf1和Buf2分别计算目标统计值：

# 定义每个字段需要执行的统计函数
agg_rules = {
    'Buf1': ['min', 'max', 'mean'],
    'Buf2': ['min', 'max', 'mean']
}

# 按date分组并完成聚合
daily_stats = df.groupby('date').agg(agg_rules).reset_index()

# 整理列名（可选，让结果更直观）
daily_stats.columns = ['date', 'Buf1_min', 'Buf1_max', 'Buf1_mean', 'Buf2_min', 'Buf2_max', 'Buf2_mean']

步骤3：数据校验（避免遗漏或错误） #

可以通过两种方式验证结果准确性：

• 检查分组后的日期数量是否与原始数据的唯一日期数一致：

  original_date_count = df['date'].nunique()
  result_date_count = daily_stats['date'].nunique()
  
  if original_date_count == result_date_count:
      print("所有日期数据均已统计，无遗漏")
  else:
      print(f"数据异常：原始数据有{original_date_count}个日期，结果仅统计{result_date_count}个")
  

• 随机抽取某一天的原始数据，手动计算min/max/mean，和聚合结果对比，确认统计逻辑正确。

最终结果格式示例 #

聚合后的daily_stats结构如下：

内容的提问来源于stack exchange，提问作者UwUs