如何将15分钟采集的Pm 2.5、Pm 10数据转换为日平均值？

用Python的pandas库可以快速处理这类时间序列数据，以下是具体操作步骤：

步骤1：导入库并加载数据 #

先把你的数据导入DataFrame，同时把日期列转换成时间格式：

import pandas as pd

# 示例数据（如果是从文件读取，改用pd.read_csv即可）
data = {
    'Pm 2.5': [6.00, 4.70, 4.80, 5.10, 7.90],
    'Pm 10': [19.20, 17.00, 16.70, 12.10, 19.10],
    'Created At': ['2021-06-21 19:00', '2021-06-21 19:15', '2021-06-21 19:30', '2021-06-21 19:45', '2021-06-21 20:00']
}

df = pd.DataFrame(data)
# 将日期列转为datetime类型
df['Created At'] = pd.to_datetime(df['Created At'])

步骤2：按日期分组计算日均值 #

利用resample方法按天聚合数据，直接算出平均值：

# 将日期列设为索引，方便按时间分组
df = df.set_index('Created At')
# 按天重采样，计算均值并保留两位小数
daily_avg = df.resample('D').mean().round(2)

运行后得到的daily_avg就是每日的PM2.5和PM10平均值，针对示例数据的输出结果为：

Pm 2.5  Pm 10
Created At               
2021-06-21    5.70  16.82

补充说明 #

• 如果数据来自CSV/Excel文件，读取时直接用pd.read_csv('你的文件路径.csv', parse_dates=['Created At'])，可以自动解析日期列。
• resample('D')里的D代表按天聚合，换成W就是按周、M就是按月，按需调整即可。

内容的提问来源于stack exchange，提问作者IvonaK