如何将dataframe每3个观测值分为一组取均值，实现日度数据降采样

以下基于Python pandas库实现需求，分两种场景给出可直接运行的代码：

场景1：数据已按采集时间升序排列、无缺失记录、严格每3条对应1天 #

直接按索引整除3分组计算均值即可：

import pandas as pd

# 请将下方变量替换为你实际的DataFrame名、列名
# 原始DataFrame：df
# 汇率观测值列名：exchange_rate
# 可选：日期列名：date_col

daily_df = df.groupby(df.index // 3).agg(
    # 如需保留日期，保留该行，否则可删除
    record_date = ('date_col', 'first'),
    daily_exchange_avg = ('exchange_rate', 'mean')
).reset_index(drop=True)

运行后daily_df即为30条每日均值的结果集。

场景2：数据包含datetime类型的时间列（推荐，容错性更高） #

如果数据自带采集时间戳，优先使用重采样逻辑，可避免因数据顺序错乱、单日采样数量异常导致的计算错误：

# 时间列转为datetime格式（如已转换可跳过该行）
df['collect_time'] = pd.to_datetime(df['collect_time'])

# 将时间列设为索引
df = df.set_index('collect_time')

# 按自然日重采样计算均值
daily_df = df.resample('D')['exchange_rate'].mean().reset_index()

注意事项 #

• 如果存在单日采样次数不足3次的情况，重采样方法会自动计算当日所有有效观测的均值，比固定步长分组更符合实际研究需求
• 如需保留其他字段的聚合结果，可在agg方法中自定义规则，例如数值列取均值、分类列取首个有效值
• 如果仅需要输出均值数组，可简化写法：daily_avg_list = df['exchange_rate'].groupby(df.index//3).mean().tolist()

内容的提问来源于stack exchange，提问作者Eugenio