基于日期计算Pandas DataFrame中RATE列的日均均值并保存结果

直接用pandas的分组聚合功能就能快速解决，步骤和代码如下：

• 先确保已安装pandas，未安装可执行pip install pandas
• 读取数据集并处理日期列（若原日期列不是datetime类型）
• 分组计算均值并生成新DataFrame

import pandas as pd

# 读取数据集，根据实际格式调整（比如Excel用pd.read_excel）
df = pd.read_csv('your_dataset.csv')

# 转换DATE列为datetime类型（如果原数据中DATE是字符串格式）
df['DATE'] = pd.to_datetime(df['DATE'])

# 按DATE分组，计算RATE的均值，生成新DataFrame
mean_rate_df = df.groupby('DATE')['RATE'].mean().reset_index()

# 可选：将均值列重命名为更明确的名称
mean_rate_df = mean_rate_df.rename(columns={'RATE': 'AVG_RATE'})

# 查看结果
print(mean_rate_df)

关键代码解释 #

• groupby('DATE')：将数据集按DATE列的值分组，同一日期的所有行会被归为一组
• ['RATE'].mean()：对每个分组的RATE列计算算术平均值
• reset_index()：把分组后的DATE索引转换为普通列，确保新DataFrame保留DATE和均值两列的标准结构

这个方法处理1000行数据完全没有性能问题，操作简洁高效。

内容的提问来源于stack exchange，提问作者LikeCoding