Pandas：如何按索引将固定长度风向数据块替换为平均风向值

核心思路：用groupby + transform实现分块替换 #

Pandas中处理这种固定大小分块的批量计算，最符合风格的方式是生成分组键后结合groupby.transform()，它能自动将分组计算的结果广播回原数据的长度，直接完成替换，完全不需要手动循环。

步骤1：优化风向平均函数（可选但推荐） #

你原有的函数用了循环遍历，换成Numpy向量运算能大幅提升效率，同时修正角度转换的逻辑（原逻辑存在错误，比如会把90°转换成270°）：

import numpy as np

def hourly_wind_average(WD):
    # 将角度转为弧度，直接对整个Series做向量运算
    rad = WD * np.pi / 180
    # 计算东西/南北方向的分量总和
    u_eastwest = np.sin(rad).sum()
    u_northsouth = np.cos(rad).sum()
    # 求平均分量
    EW_avg = -u_eastwest / len(WD)
    NS_avg = -u_northsouth / len(WD)
    # 转换回角度并修正到0-360°范围
    avg_WD = np.arctan2(EW_avg, NS_avg) * 180 / np.pi
    return avg_WD % 360

步骤2：分块替换风向值 #

假设你的风向列名为WD，执行以下代码即可完成每60行一组的替换：

# 生成分组键：每60行归为一组
group_keys = np.arange(len(df)) // 60
# 用transform计算每组的平均风向，并替换原列
df['WD'] = df['WD'].groupby(group_keys).transform(hourly_wind_average)

关键说明 #

• np.arange(len(df)) // 60：生成一个和DataFrame行数相同的数组，每60个连续元素对应同一个分组编号（0,0,...,0,1,1,...,1...），实现固定大小分块。
• transform()：和apply()不同，它会将分组计算的结果扩展为与原Series相同的长度，每个组内的所有元素都会被替换为该组的平均风向，完美匹配你的需求。

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