如何用Python按日期分组计算DataFrame中温度列的均值/中位数？

前提准备 #

确保已导入所需库：

import pandas as pd
import numpy as np

步骤1：标准化日期列格式 #

如果日期列是字符串类型，先转换为datetime格式，否则无法按日期正确分组：

# 假设DataFrame名为df，日期列名为"测量日期"，温度列名为"温度"
df["测量日期"] = pd.to_datetime(df["测量日期"])

步骤2：按日期分组并计算统计量 #

两种常用分组方式任选其一：

• 方式一：提取纯日期对象分组
  分组后索引为date类型的日期值：

  daily_stats = df.groupby(df["测量日期"].dt.date)["温度"].agg(["mean", "median"])
  

• 方式二：保留datetime格式的日期分组
  将时间戳向下取整到当天，索引仍为datetime类型，方便后续时间操作：

  daily_stats = df.groupby(df["测量日期"].dt.floor("D"))["温度"].agg(["mean", "median"])
  

步骤3：整理输出结果 #

把日期从索引转为普通列，并修改列名让结果更直观：

daily_stats = daily_stats.reset_index()
daily_stats.columns = ["测量日期", "日均温度", "温度中位数"]
# 打印结果或导出为文件
print(daily_stats)
# 导出为CSV：daily_stats.to_csv("每日温度统计.csv", index=False)

模拟测试示例 #

若无真实数据，可生成7天每分钟的模拟数据集验证：

# 生成时间范围：2024-01-01 00:00到2024-01-07 23:59，每分钟一条
date_range = pd.date_range(start="2024-01-01", end="2024-01-07 23:59", freq="T")
# 生成15-30℃的随机温度数据
df = pd.DataFrame({
    "测量日期": date_range,
    "温度": np.random.randint(15, 31, size=len(date_range))
})

内容的提问来源于stack exchange，提问作者sunter