Python计算时间序列日平均：跳过2月29日并兼容不完整年份

我来分享一个清晰的实现思路，用Python为例，完全贴合你的需求：

核心思路拆解 #

首先得明确目标：把所有有效日期（排除闰年2月29日）映射到平年的365天维度上，然后对每一天的降雨量取平均——哪怕你的数据只覆盖了部分年份，这个逻辑都能正常运转。

步骤1：给每个日期分配平年日索引 #

先写一个工具函数，把任意日期转换成平年对应的1-365日序数：

• 平年日期直接取dayofyear
• 闰年日期：如果是2月29日，标记为无效；如果是3月1日及以后，日序数减1（因为平年没有2月29日，闰年3月1日的dayofyear是60，对应平年的第59天，减1才能对齐平年的日期序列）

代码实现：

import datetime

def get_flat_year_day(dt):
    # 判断是否为闰年
    is_leap = dt.year % 4 == 0 and (dt.year % 100 != 0 or dt.year % 400 == 0)
    if is_leap:
        if dt.month == 2 and dt.day == 29:
            return None  # 跳过闰年2月29日
        elif dt >= datetime.date(dt.year, 3, 1):
            return dt.timetuple().tm_yday - 1
        else:
            return dt.timetuple().tm_yday
    else:
        return dt.timetuple().tm_yday

步骤2：分组计算日平均值 #

接下来把所有有效数据按平年日索引分组，计算每组的平均值，这里提供两种实现方式：

基础Python版本（适合小数据量） #

假设你的X是datetime对象列表，rainfall是对应的降雨量列表：

from collections import defaultdict

# 用字典存储每一天的降雨量数据
daily_rain_data = defaultdict(list)

for dt, rain in zip(X, rainfall):
    day_idx = get_flat_year_day(dt)
    if day_idx is not None:  # 跳过无效的闰年2月29日数据
        daily_rain_data[day_idx].append(rain)

# 生成最终的日平均列表Z（长度固定为365）
Z = []
for day_idx in range(1, 366):
    if day_idx in daily_rain_data:
        # 计算该日的平均降雨量
        avg_rain = sum(daily_rain_data[day_idx]) / len(daily_rain_data[day_idx])
        Z.append(avg_rain)
    else:
        # 无数据的日期用NaN表示，你也可以改成0或其他默认值
        Z.append(float('nan'))

Pandas版本（适合大数据量，代码更简洁） #

如果数据量较大，用Pandas处理效率更高：

import pandas as pd

# 把数据转换成DataFrame格式
df = pd.DataFrame({
    'date': X,
    'rainfall': rainfall
})

# 计算每个日期对应的平年日索引
df['flat_day'] = df['date'].apply(get_flat_year_day)

# 过滤掉闰年2月29日的数据
df = df.dropna(subset=['flat_day'])

# 分组计算平均值，重新索引到1-365并填充缺失值
daily_avg = df.groupby('flat_day')['rainfall'].mean().reindex(range(1, 366), fill_value=float('nan'))

# 转换成最终列表Z
Z = daily_avg.tolist()

兼容不完整年份的说明 #

这个方案天生支持不完整年份的数据：

• 不管你的数据只覆盖1个月、11个月零15天，还是零散的几个年份，只要日期不是闰年2月29日，就会被正确映射到对应的平年日索引。
• 如果某个平年日期在所有数据中都没有记录（比如从来没有12月31日的降雨量数据），Z中对应的位置会是NaN，你可以根据业务需求替换成0或者其他合理值。

额外注意点 #

• 如果你的X不是datetime对象（比如是字符串格式的日期），需要先转换：例如datetime.datetime.strptime(x_str, '%Y-%m-%d')，具体格式根据你的日期字符串调整。
• 如果你用其他编程语言（比如R、JavaScript），核心逻辑完全一致：先做日期到平年日索引的映射，再分组求平均。

内容的提问来源于stack exchange，提问作者Chi