Pandas：如何计算金斯县各年度失业率均值？

嘿，作为Pandas新手处理这种时间序列聚合需求完全没问题，我来一步步带你实现！

首先，咱们先明确操作逻辑：把每月数据按**地区（Area）和年份（Year）**分组，计算每组的失业率均值，最后输出你要的Area、Year和均值字段。

步骤1：确保日期列是可识别的datetime类型 #

首先得确认你的月份列（比如叫Month）是Pandas能解析的日期格式，如果不是，先做转换：

import pandas as pd

# 假设你的数据集DataFrame名为unemp_data
unemp_data['Month'] = pd.to_datetime(unemp_data['Month'])
# 如果你的日期格式是非标准的（比如只有年月如"1990-01"），可以指定格式参数
# unemp_data['Month'] = pd.to_datetime(unemp_data['Month'], format='%Y-%m')

步骤2：从日期中提取年份字段 #

从转换后的日期列里提取年份，新增一个Year列：

unemp_data['Year'] = unemp_data['Month'].dt.year

步骤3：分组计算年度失业率均值 #

按Area和Year分组，对失业率字段（比如叫Unemployment_Rate）计算均值，最后用reset_index()把分组结果转回常规DataFrame结构：

# 计算年度均值
annual_unemp_avg = unemp_data.groupby(['Area', 'Year'])['Unemployment_Rate'].mean().reset_index()

# 可将均值列重命名为更直观的名称
annual_unemp_avg.rename(columns={'Unemployment_Rate': 'Unemployment_Average'}, inplace=True)

查看最终结果 #

现在annual_unemp_avg就是你需要的数据集，输出它就能看到目标字段：

print(annual_unemp_avg)

举个示例输出的样子：

如果你的数据集里Area只有金斯县，分组时也可以只按Year来，但保留Area分组能让代码更通用——以后新增其他地区数据时直接就能用～

内容的提问来源于stack exchange，提问作者Univers