长格式pandas dataframe多变量重采样保留各变量日均值方法问询

你直接对全表做重采样时没有区分不同变量的数值，把speed和distance的数值混在一起计算了平均值，所以得不到分变量的计算结果。

可行解法 #

核心思路是先按变量分组，再对每个分组单独做重采样计算，全程保持长表结构，不需要转宽格式，适配不同变量时间区间、采样频率不一致的场景。

推荐代码（性能更优）

import pandas as pd
import numpy as np

# 原有生成示例数据的代码无需修改
dti = pd.date_range('2015-01-01', '2015-12-31', freq='15min')
df = pd.DataFrame(index = dti)
df['speed'] = np.random.randint(low=0, high=60, size=len(df.index))
df['distance'] = df['speed'] * 0.25 
df.reset_index(inplace=True)
df2 = df.melt(id_vars = 'index')

# 修改后的分变量重采样代码
df_daily_mean = df2.groupby(
    ['variable', pd.Grouper(key='index', freq='d')]
)['value'].mean().reset_index()

# 可选：重命名列让结构更易读
df_daily_mean.rename(columns={'index': 'date', 'value': 'daily_avg_value'}, inplace=True)

结果说明 #

输出的df_daily_mean是长表结构，每一行对应「单个变量+单个日期」的日均值：

• 同一日期下会分别生成speed、distance两条独立的均值记录
• 不同变量的时间范围不重叠的部分不会强制生成空值记录，完全匹配业务数据的特性

内容的提问来源于stack exchange，提问作者user9118870