Csv Python/pandas：使用日期差的列值的加权平均值

我有一个数据框，我使用

read_csv（）

导入它，它的两列是日期（“StartDate”和“EndDate”），日期格式为dd/mm/yyyy。另一列包含可能的每日价格（“价格”）

一个（非常小的）提取物看起来像：

DateStart  DateEnd     Price
01/01/2015 31/01/2015  100
01/01/2015 02/01/2015  10

我需要计算平均每日价格，即：

（31*100+2*10）/（31+2）

，使用天数作为权重

如何获取开始日期和结束日期之间的天数？据我所知，此格式dd/mm/yyyy将不会被识别为日期

---

一旦我有了间隔中的天数，如何计算加权平均数？

您可以将

dayfirst=True

传递到

to\u datetime

来解析这些日期。然后，您可以计算差值并计算加权平均值

In [82]: for c in ['DateStart','DateEnd']:
    ...:     df[c] = pd.to_datetime(df[c], dayfirst=True)

In [87]: df['day_diff'] = (df['DateEnd'] - df['DateStart']).dt.days + 1


In [88]: df['Price'].dot(df['day_diff']) / df['day_diff'].sum()
Out[88]: 94

导入日期时间，熊猫作为pd，numpy作为np

首先，定义csv中的日期格式

dateparse=lambda x:pd.datetime.strtime（x，“%d/%m/%Y”）

然后读取并指定日期列

df=pd.read\u csv（“file.csv”，parse\u dates=['DateStart'，'DateEnd']，date\u parser=dateparse）

以下是您的结果：

天数=（（df.DateEnd-df.DateStart+datetime.timedelta（1））/np.timedelta64（1，'D'））
结果=（天数*df.Price）.sum（）/天数.sum（）
打印结果

---

瞧，谢谢你的回答。您的解决方案几乎有效，但并不完全有效。实际上，通过计算

（（df.DateEnd-df.DateStart+datetime.timedelta（1））*df.Price）

可能会出现某种溢出，其结果在这里是几天。例如，如果170天，价格是619，我得到的结果是105230，这是可以的，但如果价格是640，我得到的结果是-104024！应该更改某些内容，以指定天*价格是无单位的。有可能吗？因此，我可以得到一些正价格的负平均值。@Elsalex你是对的，我刚刚做了一个编辑，应该可以，让我知道。现在可以了！谢谢你！