Pandas中resample求均值未计入初始零值的问题及方案问询

基于resample的核心思路 #

Pandas的resample('MS').mean()默认仅计算现有数据点的均值，不会自动将缺失日期视为0。要实现你的需求，核心是用区间内的总和除以整个区间的总天数（或总周期数），等价于把缺失日期的0值纳入计算。

月度均值计算 #

针对你的示例，代码可按如下方式实现：

# 假设你的时间序列为ts，索引为DatetimeIndex
monthly_result = ts.resample('MS').sum() / ts.resample('MS').apply(lambda x: x.index.days_in_month[0])

逻辑说明：

• resample('MS').sum()：计算每月现有数据的总和（你的案例中是16天×5=80）
• x.index.days_in_month[0]：获取该月的总天数（2018年3月共31天）
• 总和除以总天数，得到包含缺失日期（视为0）的均值（80/31≈2.58）

更简洁的写法：

monthly_result = ts.resample('MS').apply(lambda x: x.sum() / x.index.days_in_month[0])

年度均值计算 #

若处理年度均值（比如序列始于12月31日的场景），可通过年份总天数计算：

annual_result = ts.resample('AS').apply(lambda x: x.sum() / pd.Period(x.index[0], 'Y').days_in_year)

逻辑说明：

• pd.Period(x.index[0], 'Y').days_in_year：自动获取该年份的总天数（闰年366天，平年365天）
• 总和除以全年天数，得到包含全年所有日期（缺失视为0）的均值

备选方案（非resample） #

如果不想依赖resample，也可通过重新索引填充0后计算均值，但需先生成完整日期序列：

# 生成目标区间的完整日期索引
full_index = pd.date_range(start=ts.index.min().replace(day=1), end=ts.index.max(), freq='D')
# 重新索引并填充0，再计算月度均值
ts_full = ts.reindex(full_index, fill_value=0)
monthly_result = ts_full.resample('MS').mean()

此方法需手动生成完整索引，不如resample的总和除法方案简洁。

内容的提问来源于stack exchange，提问作者n992