如何将pandas日度DataFrame转换为月度最大值的平均值？

现有存储1973-2013年日降雨量数据的DataFrame，时间为索引，仅tp1一列存储降雨量数值，结构示例如下：

tp1
time           
1973-04-01  0.1
1973-07-01  0.4
1973-08-01  0.0
1973-12-01  0.5
1973-01-17  0.0
        ...
2013-10-09  0.0
2013-11-09  0.2
2013-12-09  0.0
2013-09-13  0.4
2013-09-14  0.0

[6432 rows x 1 columns]

计算目标：

• 先统计每一年每个自然月的日降雨量最大值
• 再对所有年份同月份的月度最大值取平均，最终输出12行结果，列名为Average of Maximum Daily Rainfall in each Month，行索引为月份英文缩写，格式参考如下：

Average of Maximum Daily Rainfall in each Month
Jan       x
Feb       x
March     x 
April     x
May       x
June      x
Jul       x
....

已尝试执行data = df.groupby(df.index.month).max()，返回结果为所有年份对应月份的全局最大值，不符合预期。 #

核心逻辑是做两层分组聚合：第一层按「年份+月份」分组，计算每个独立自然月的日降雨量最大值；第二层仅按月份分组，对所有年份的同月份月度最大值求平均。

可直接运行的代码 #

# 第一层分组：按年、月维度拆分，计算每个月的日降雨量最大值
monthly_max = df.groupby([df.index.year, df.index.month])['tp1'].max()

# 第二层分组：按月份维度聚合，计算多年月度最大值的平均值
result = monthly_max.groupby(level=1).mean()

# 格式化输出：将数字月份替换为英文缩写，设置指定列名
month_map = ['Jan', 'Feb', 'March', 'April', 'May', 'June', 'Jul', 'Aug', 'Sep', 'Oct', 'Nov', 'Dec']
result.index = [month_map[month_num - 1] for month_num in result.index]
result = result.to_frame('Average of Maximum Daily Rainfall in each Month')

原有写法问题说明 #

单层级按月份分组后直接调用max()，会直接取所有年份该月份下全部日数据的最大值，也就是跨年份的全局月极值，跳过了「先按年拆分计算每个自然月最大值」的步骤，因此结果不符合要求。 #

内容的提问来源于stack exchange，提问作者jw99