Pandas如何计算每月内唯一日期对应n个最大值的平均值

前置处理说明 #

如果你的数据集只有时间戳列，必须先拆分出月、日维度列，后续按月分组、按日去重的操作都依赖这两个维度，拆分直接用pandas时间序列接口即可：

# 先确保时间戳列是datetime格式
df['timestamp'] = pd.to_datetime(df['timestamp'])
df['month'] = df['timestamp'].dt.month
df['day'] = df['timestamp'].dt.day

如果已经有month和day列可以跳过这一步。

原有代码问题 #

你之前写的代码：
df.groupby(['month', 'day'])['value'].transform(lambda x: x.nlargest(3).mean())
分组粒度是「月+日」，计算的是单日范围内的前3大值均值，和你需要的「单月范围、每个日期仅取1个值参与topN计算」的逻辑顺序完全颠倒。

正确实现逻辑 #

需求的核心计算顺序是：

1. 先按「月+日」分组，取每个日期的最大值，保证参与后续计算的记录日期唯一
2. 再按「月」分组，取当月所有日最大值中的前n个，计算平均值
3. 最后把月度计算结果回填到当月所有原始记录上

以你样例中n=2的场景为例，完整代码如下：

# 可根据需求修改n的取值，即每月取前多少个日最高值算平均
n = 2

# 步骤1：计算每个月每一天的最高值
daily_peak = df.groupby(['month', 'day'], as_index=False)['value'].max()

# 步骤2：计算每个月前n个日最高值的平均值
monthly_avg = daily_peak.groupby('month')['value'].apply(
    lambda x: x.nlargest(n).mean()
).reset_index(name='peak_avg')

# 步骤3：把月度结果关联回原始数据表
df = df.merge(monthly_avg, on='month', how='left')

样例校验 #

用你提供的测试数据运行上述代码，输出结果完全匹配预期：

计算逻辑验证：

• 1月仅1个有效日最高值35，均值为35
• 2月2个日最高值为34、23，均值为(34+23)/2=28.5
• 3月2个日最高值为98、96，均值为(98+96)/2=97

内容的提问来源于stack exchange，提问作者NorwegianClassic