如何用Pandas仅当每小时数据点≥20个时计算小时均值？

方法一：分步统计后过滤 #

先分别计算每小时的样本数量和均值，再根据样本数阈值筛选有效均值：

# 统计每小时各列的样本数量
hourly_counts = df.resample('h').count()
# 计算每小时各列的均值
hourly_means = df.resample('h').mean()
# 仅保留样本数≥20的均值，其余设为NaN
df_H = hourly_means.where(hourly_counts >= 20)

• 若要求整小时所有列样本数都≥20才保留均值，可修改为：

  df_H = hourly_means.where(hourly_counts.min(axis=1) >= 20)
  

方法二：自定义重采样函数 #

通过resample.apply()直接在分组时判断样本数，达标则返回均值，否则返回NaN：

import numpy as np
import pandas as pd

def calc_valid_mean(group):
    if len(group) >= 20:
        return group.mean()
    # 样本数不足时，返回与原列数匹配的全NaN Series
    return pd.Series([np.nan]*len(group.columns), index=group.columns)

df_H = df.resample('h').apply(calc_valid_mean)

方法对比 #

• 方法一效率更高，适合处理大规模数据集；
• 方法二更直观，逻辑可扩展性强（比如后续可添加其他判断条件）。

内容的提问来源于stack exchange，提问作者ValeA