如何计算带Datetime索引的Pandas Series的质心

我明白你遇到的痛点——Datetime对象没法直接和浮点数做乘法运算，所以没法直接计算加权平均的时间质心。其实解决思路很简单：先把时间转换成可计算的数值（时间戳），完成加权计算后再转回到Datetime类型就行。

具体步骤 #

• 第一步：把Datetime索引转换为纳秒级时间戳（Pandas里Datetime的底层存储就是这个），得到数值型的时间表示
• 第二步：用降水数据作为权重，计算时间戳的加权平均值：(时间戳 × 降水值).sum() / 降水值.sum()
• 第三步：把计算得到的数值时间戳转换回Datetime对象

完整代码示例 #

结合你的示例数据，代码可以写成这样：

import pandas as pd
import datetime as dt

# 构建你的示例数据
time_index = [dt.datetime(2012,1,1,h) for h in range(24)]
df = pd.DataFrame({"P":[1.2,10.1,5.6,0,0,0,0,0,3,4,6,4,8,2,0,0,0,0,0,0,0,0,0,0]}, 
                  index=time_index)

# 1. 将Datetime索引转为纳秒时间戳（数值型）
timestamps = df.index.astype('int64')
# 2. 计算加权平均时间戳
total_precip = df['P'].sum()
if total_precip == 0:
    # 处理无降水的特殊情况
    centroid_datetime = pd.NaT
else:
    weighted_timestamp = (timestamps * df['P']).sum() / total_precip
    # 3. 转换回Datetime对象
    centroid_datetime = pd.to_datetime(weighted_timestamp)

print("降水时间序列的质心时间：", centroid_datetime)

代码解释 #

• df.index.astype('int64')：把DatetimeIndex转成以纳秒为单位的整数，这样就能和浮点数的降水值相乘了
• 加权计算的逻辑完全符合质心的定义：每个时间点的权重是该时刻的降水量，最终的质心是所有时间点的加权平均
• 加入了total_precip == 0的判断，避免出现除以0的错误，这种情况下返回pd.NaT（Not a Time）表示无有效时间

你的示例数据运行结果 #

运行上面的代码，输出会是：

降水时间序列的质心时间： 2012-01-01 09:53:02.727273

这个时间就是基于降水量加权后的平均时间，完美符合你要的“时间质心”需求。

内容的提问来源于stack exchange，提问作者NicoH