如何将全年小时步长时间序列重采样为平均日逐小时均值

你的输入数据为三列空白分隔的结构化数据，依次为日期、时刻、观测值，需求为按时刻分组计算同小时所有观测值的全年均值，以下是两种常用实现方案：

Python 实现（推荐） #

使用pandas处理时间序列效率高，代码逻辑清晰：

import pandas as pd

# 读取本地数据文件，可根据实际文件名修改
df = pd.read_csv('hourly_data.txt', sep='\s+', header=None, names=['date', 'hour', 'value'])
# 按小时列分组计算均值，round参数可调整保留小数位数
hourly_avg = df.groupby('hour')['value'].mean().round(2).reset_index()
# 打印结果
print(hourly_avg)
# 如需导出为csv文件可执行下方代码
# hourly_avg.to_csv('hourly_avg_result.csv', index=False)

如果数据存在缺失值，pandas的mean方法会自动忽略空值，无需额外预处理
如果未安装pandas，执行pip install pandas即可完成安装。

Linux 命令行实现 #

如果在Linux环境下，可直接用awk一行命令完成计算：

awk '{sum[$2]+=$3; cnt[$2]+=1} END{for(h in sum) printf "%s %.2f\n", h, sum[h]/cnt[h]}' hourly_data.txt | sort

命令会自动按小时分组求和、计数，计算均值后按时间顺序排序输出。

输出示例 #

两种方案最终输出格式如下：

01:00:00  4.23
02:00:00  3.78
03:00:00  2.15
...
23:00:00  2.67

内容的提问来源于stack exchange，提问作者Elefant