如何将键为timestamp的字典按年周分组并计算对应dataframe均值

• 第一步：遍历字典的时间戳键，用ISO周标准计算每个键对应的周数，将同周的DataFrame归为一组
• 第二步：对同组的所有DataFrame做拼接后按索引对齐，对values列求平均值
• 第三步：将计算结果转换为目标字典结构

完整可运行代码 #

import pandas as pd
from collections import defaultdict

# 按周数分组存储对应DataFrame
week_groups = defaultdict(list)
for ts, df in mydict.items():
    # 提取ISO标准周数，默认周首日为周一，符合国内常用周计算规则
    week_num = ts.isocalendar().week
    week_groups[f"week{week_num}"].append(df)

# 计算每组平均值生成结果字典
mynew_dict = {}
for week_label, df_list in week_groups.items():
    # 拼接同组所有df，按原索引分组求values列均值
    avg_df = pd.concat(df_list).groupby(level=0)["values"].mean()
    # 转换为{索引: 平均值}的结构，完全匹配示例输出
    mynew_dict[week_label] = avg_df.to_dict()

自定义调整说明 #

如果需要修改周的起始日，比如改为周日作为周首日，将week_num = ts.isocalendar().week替换为week_num = ts.to_period('W-SUN').week即可。

内容的提问来源于stack exchange，提问作者Tom Klarin