Python：在重复日期之间求平均值

我有一个带有

datetime

的numpy数组，存储在大小为100的数组

a

中，如下所示：

>>>A[0]
datetime.datetime(2011, 1, 1, 0, 0)

其他99个元素是

datetime.datetime

对象，但很少有重复的，例如

A[55] 
datetime.datetime(2011, 11, 2, 0, 0)

A[56] 
datetime.datetime(2011, 11, 2, 0, 0)

我有另一个与

A

大小相同的

Temperature

s数组，其值对应于

A

行，如下所示：

Temperature[0] = 55
Temperature[55] = 40
Temperature[56] = 50

我试图从

A2

中获取一个新数组，该数组仅具有

a

中唯一的日期时间，并取相应温度重复的平均值

因此，在这种情况下，我将有

A2

，只有1个

datetime.datetime（2011,11,2,0,0）

，温度将

0.5*（40+50）=45

我尝试将pandas数据透视表用作：

DayLightSavCure = pd.pivot_table(pd.DataFrame({'DateByHour': A, 'Temp': Temperature}), index=['DateByHour'], values=['Temp'], aggfunc=[np.mean])

但错误在于：

ValueError: If using all scalar values, you must pass an index

---

我确实同意“其他人”的观点，这不需要深入研究熊猫就可以实现。这真是太好了。为Python 3.5+编写（因为

统计信息
：

from itertools import groupby
from operator import itemgetter
from random import randint
import datetime
from statistics import mean

# Generate test data
dates = [datetime.datetime(2005, i % 12 + 1, 5, 5, 5, 5) for i in range(100)]
temperatures = [randint(0, 100) for _ in range(100)]

# Calculate averages

## Group data points by unique dates using `groupby`, `sorted` and `zip`
grouped = groupby(sorted(zip(dates, temperatures)), key=itemgetter(0))

##Calculate mean per unique date
averaged = [(key, mean(temperature[1] for temperature in values)) for key, values in grouped]

print(averaged)  # List of tuples
#[(datetime.datetime(2005, 1, 5, 5, 5, 5), 65.22222222222223), (datetime.datetime(2005, 2, 5, 5, 5, 5), 60.0),.......
print(dict(averaged))  # Nicer as a dict
{datetime.datetime(2005, 3, 5, 5, 5, 5): 48.111111111111114, datetime.datetime(2005, 12, 5, 5, 5, 5): 43.75, ..........

如果在计算结束时必须有两个单独的列表/迭代器，只需将
zip
应用于
averaged