按24行分组计算日均温：Pandas DataFrame分组报错及列丢失问题

Hey there! 针对你要给每个坐标对计算日均温的需求，最靠谱的方案是直接按「日期+纬度+经度」分组，而不是靠行索引整除来凑24行，这样既准确又能保留你需要的所有列。

最优代码实现 #

首先确认time列是datetime类型（如果还没转的话），然后直接分组计算：

import pandas as pd

# 确保time列为datetime格式（如果原始数据不是的话）
df['time'] = pd.to_datetime(df['time'])

# 按日期、纬度、经度分组，计算t2m的均值，同时不设置为索引
daily_avg_temp = df.groupby(
    [df['time'].dt.date, 'latitude', 'longitude'],
    as_index=False
)['t2m'].mean()

# 可选：把date类型转回datetime格式，和原数据格式统一
daily_avg_temp['time'] = pd.to_datetime(daily_avg_temp['time'])

运行后得到的结果就完全符合你的期望：time列保留日期部分，latitude和longitude完整保留，t2m是对应坐标当日24小时的平均温度。

聊聊你之前方法的问题 #

1. 最初用df.index//N报错，是因为你的索引是DatetimeIndex，这种时间类型的索引不支持整数整除操作，所以触发了TypeError。
2. 重置索引后用df.index//N分组，虽然能按24行切分，但无法保证每个分组是同一坐标的同一天数据——如果你的数据排序有波动（比如不同坐标的小时数据穿插），这种分组会直接算错。而且分组时time列被当成数值列计算了均值，自然丢失了有效的日期信息。
3. 后来加了latitude和longitude分组，但还是依赖行索引整除，本质上还是没利用时间本身的日期属性，所以依然丢失了time列的有效信息。

补充：如果time是DataFrame的索引 #

从你给出的df.head输出看，time是DataFrame的索引，那可以先把索引转成列再处理：

# 把索引转为普通列
df = df.reset_index()
df['time'] = pd.to_datetime(df['time'])

# 后续分组代码和上面一样
daily_avg_temp = df.groupby(
    [df['time'].dt.date, 'latitude', 'longitude'],
    as_index=False
)['t2m'].mean()

daily_avg_temp['time'] = pd.to_datetime(daily_avg_temp['time'])

这样就能完美得到你想要的结果啦！

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