基于相同小时合并Pandas DataFrames：添加小时均值列问题

嘿，我来帮你搞定这个需求！其实用Pandas有好几种简单的方法可以实现，不管你是直接计算均值还是用已经得到的均值表，都能轻松关联匹配。

方法一：直接计算并填充（最省心，不用提前准备均值表） #

如果还没提前算好各小时的均值，直接用groupby+transform就能一步到位，它会自动把每个小时的均值广播到对应小时的所有行：

import pandas as pd

# 第一步：确保Timestamp列是datetime格式（如果还没转的话）
df['Timestamp'] = pd.to_datetime(df['Timestamp'])

# 第二步：提取每个时间戳的小时数
df['Hour'] = df['Timestamp'].dt.hour

# 第三步：计算每个小时的均值，并填充到Average列
df['Average'] = df.groupby('Hour')['Value'].transform('mean')

transform的好处是不用额外生成中间表，直接在原DataFrame上添加结果，所有同一小时的行都会自动匹配到该小时的均值。

方法二：用已有的均值表关联匹配 #

如果你已经有了单独的小时均值表（假设表名叫hour_means，结构是Hour和Average两列），可以用这两种方式关联：

方式A：用merge合并表 #

# 先提取原数据的小时列
df['Hour'] = df['Timestamp'].dt.hour

# 按Hour列合并两个表，把均值匹配过来
df = df.merge(hour_means, on='Hour', how='left')

how='left'保证原数据的所有行都能保留，不会因为没有匹配到小时而丢失数据。

方式B：用字典映射（更高效） #

把均值表转成字典，然后用map快速匹配：

# 把均值表转成{小时: 均值}的字典
mean_dict = hour_means.set_index('Hour')['Average'].to_dict()

# 直接通过小时数映射到均值
df['Average'] = df['Timestamp'].dt.hour.map(mean_dict)

这种方法速度更快，适合数据量比较大的情况。

举个实际例子 #

假设你的数据是这样的：

用方法一处理后，结果会变成：

完全符合你要的“所有同一小时的行都填入该小时均值”的需求！

内容的提问来源于stack exchange，提问作者Benaiah2320