Python中按15天周期计算数据集中位数的语法错误求助

首先，咱们先拆解你遇到的语法错误：你的列表推导式逻辑完全写反了，正确的结构应该是[要生成的表达式 for 循环变量 in 可迭代对象]，但你写的for range(0, len(dataset['index']), 15) in dataset['value']相当于把range(...)当成了变量名试图赋值，这就触发了syntaxError: can't assign to function call的语法问题，得先把逻辑理顺。

因为你提到数据集有index、value、date三列，我默认你用的是pandas的DataFrame（处理这类结构化数据最便捷），下面分两种常见场景给你解决方案：

场景1：按15天时间周期分组计算中位数（推荐，匹配你提到的date列需求） #

首先得确保date列是datetime类型，再用pandas的时间重采样功能实现分组计算：

import pandas as pd

# 第一步：将date列转为datetime格式（如果原本不是的话）
dataset['date'] = pd.to_datetime(dataset['date'])

# 第二步：把date设为索引，方便按时间重采样
dataset = dataset.set_index('date')

# 第三步：按15天为周期分组，计算value列的中位数
medians = dataset['value'].resample('15D').median()

# 如果需要把结果转回普通DataFrame或列表：
medians_df = medians.reset_index()
medians_list = medians.tolist()

解释一下：resample('15D')会自动把数据按每15天一个时间段分组，median()则计算每组内value的中位数。这里的15D代表15天，你也可以替换成其他时间单位（比如15H代表15小时），但你的需求是天，用15D就刚好。如果日期不连续导致出现空组，可以加dropna()去掉空值：medians = dataset['value'].resample('15D').median().dropna()

场景2：按每15行索引分组（如果你实际想按行数而非日期分组） #

如果你的思路是不管日期，单纯每15条数据算一次中位数，可以用groupby结合整数除法分组：

# 按每15行分组，计算value的中位数
medians = dataset['value'].groupby(dataset.index // 15).median()

# 转成列表的话：
medians_list = medians.tolist()

这里dataset.index // 15会给每15行分配同一个组号（比如0-14行是0，15-29行是1），groupby就会按这个组号分组计算中位数。

用列表推导式实现的写法（不推荐，但帮你理解逻辑） #

如果一定要用列表推导式实现按行数分组的逻辑，得先把数据切成每15个一组的切片，再逐个计算中位数：

# 先把value列转成普通列表
value_list = dataset['value'].tolist()

# 列表推导式：按步长15切分列表，每个切片算中位数
medians = [pd.Series(value_list[i:i+15]).median() for i in range(0, len(value_list), 15)]

这个写法和场景2效果一致，但pandas的groupby或resample更高效易读，数据量大时优势明显。

内容的提问来源于stack exchange，提问作者Luckasino