如何用Python计算指定时间范围内ARD的月度计数与平均值

报错根因 #

你的代码在循环里把原本是年份字符串的x变量重新赋值为整数1，调用list_to_string函数时传入了整数类型的参数，字符串join方法要求所有元素都是字符串类型，因此触发类型报错。同时你手写三重循环遍历年月日的逻辑冗余且容易出错，直接用pandas内置的分组聚合功能可以高效实现需求。

可直接运行的实现代码 #

import pandas as pd

# 读取原始数据，你原始列名是ARB，这里统一改成需求里的ARD
data = pd.read_csv('ARD.txt', delimiter="\t")
data.columns = ['Date', 'ARD']

# 处理日期列：先去掉日期末尾的点，再切片取前7位得到YYYY.MM格式的年月
data['year_month'] = data['Date'].str.rstrip('.').str[:7]

# 按年月分组统计：当月事件总数、当月ARD平均值
grouped = data.groupby('year_month').agg(
    event_count=('ARD', 'count'),
    avg_value=('ARD', 'mean')
).reset_index()

# 生成2011-2021年所有月份的完整列表，用来补全无数据的月份
all_months = []
for year in range(2011, 2022):
    for month in range(1, 13):
        all_months.append(f"{year}.{month:02d}")
full_date_df = pd.DataFrame({'year_month': all_months})

# 合并统计结果，无数据的月份自动填充0
result = full_date_df.merge(grouped, on='year_month', how='left').fillna(0)
result['event_count'] = result['event_count'].astype(int)

# 输出结果到文件，格式完全符合你的要求
result.to_csv('monthly_ard_result.txt', sep=' ', header=False, index=False)
# 也可以直接在控制台打印查看结果
print(result.to_string(header=False, index=False))

实现效果 #

• 输出文件每一行严格按照要求格式：第一列为YYYY.MM格式的年月，第二列为当月ARD事件数，第三列为当月ARD平均值
• 无ARD事件的月份会自动输出0 0
• 不需要手动处理日期匹配逻辑，pandas自动完成所有统计和补全操作

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