如何在Pandas中按日期聚合计算均值（无需循环）

完全不需要用foreach循环，Pandas的**分组聚合（groupby + 聚合函数）**就是专门解决这类问题的矢量化方案，效率比循环高得多。

核心解法 #

针对你的需求，只需要按日期列（对应你的数据里的datadate）分组，然后对value列计算均值即可。对应示例数据的代码如下：

import pandas as pd

# 示例数据
sample_data = {
    'date': ['2022-09-16', '2022-09-16', '2022-09-16', '2022-09-15', '2022-09-15', '2022-09-15', '2022-09-14'],
    'value': [1, 2, 3, 6, 2, 2, 7]
}
df = pd.DataFrame(sample_data)

# 按日期分组计算均值
result_df = df.groupby('date')['value'].mean().reset_index()
print(result_df)

运行后输出你期望的结果：

date      value
0  2022-09-14   7.000000
1  2022-09-15   3.333333
2  2022-09-16   2.000000

结合你的现有代码修改 #

你的代码已经完成了z-score处理，只需要在最后添加分组计算逻辑即可，同时修正set_index的赋值问题（原代码中dfyieldd.set_index('datadate')不会修改原DataFrame，因为默认不原地修改）：

import pandas as pd

# 你的原有代码
dfyieldd = pd.read_sql_query(getmacrofactorvalues, conn)
dfyieldd.to_csv('dfyieldd_raw.csv')

resultseries = pd.Series(data=dfyieldd['rawvalue'])
resultzscored = zscoreoutliers(resultseries)

dfyieldd['value'] = resultzscored
dfyieldd.to_csv('dfyieldd_zcored.csv')

# --- 新增分组计算逻辑 ---
# 按datadate分组，计算value列的均值，重置索引恢复日期为普通列
result_df = dfyieldd.groupby('datadate')['value'].mean().reset_index()

# 可选：将日期转为datetime类型
result_df['datadate'] = pd.to_datetime(result_df['datadate'])

# 保存最终结果
result_df.to_csv('dfyieldd_daily_mean.csv', index=False)

关键说明 #

• groupby('datadate')：将DataFrame按datadate列的值分组，相同日期的行自动归为一组
• ['value'].mean()：对每个分组的value列计算均值，自动完成「求和÷记录数」的逻辑
• reset_index()：将分组用的datadate从索引变回普通列，得到结构规整的结果DataFrame

这种方式是Pandas原生的矢量化操作，底层用C实现，比Python循环快几个数量级，尤其适合大数据量场景。

内容的提问来源于stack exchange，提问作者ldamato