Python 创建滚动总和&；数据帧中不同变量的平均值

我有一个包含大量环境数据的数据框，看起来像这样

import pandas as pd
import numpy as np

df = pd.DataFrame({'temperature' : np.random.uniform(5,15, 500), 'Precipitation' : np.random.uniform(0, 3, 500)}, index=pd.date_range('1/1/2020', periods=500, freq='H'))
df['TempUnit'] = 'celsius'
df['PrecipUnit'] = 'mm'

我想根据这些数据创建新的列，计算6小时平均温度和6小时降水量。我使用以下方法：

df['rolling_sum_by_time'] = df.groupby(df.index.time)['Precipitation'].apply(lambda x: x.rolling('6h').sum())

这不是对数据求和-它给出了下面的输出，我不确定我在这里哪里出错了。

我还尝试使用

groupby

创建一个新的数据帧，如下所示：

temp_6h = df.groupby('temperature').rolling('6H').mean()

这会把日期搞砸，让它们乱序（不是我想要的）：

理想情况下，我要寻找的是一个如下所示的数据帧，其中每六个小时对前六个小时的值进行求和（降水量）和平均（温度）。理想情况下，我希望它以指定的6小时间隔工作，即0600、1200、1800和2400小时

---

我非常感谢你的帮助！谢谢。

你可以这样做

df['temp_avg'] = df.temperature.resample('6h',label = 'right', closed = 'right').mean()
df['precip_sum'] = df.Precipitation.resample('6h', label ='right', closed='right').sum()

试试这个：

mport pandas as pd
import numpy as np

df = pd.DataFrame({'temperature' : np.random.uniform(5,15, 500), 'Precipitation' : np.random.uniform(0, 3, 500)}, index=pd.date_range('1/1/2020', periods=500, freq='H'))
df['TempUnit'] = 'celsius'
df['PrecipUnit'] = 'mm'

rolling_sum_by_time = []
for x in range(0,len(df["Precipitation"])):
    P = [df["Precipitation"][x-2+i] for i in range(6) if x-2+i >= 0 and x-2+i < len(df["Precipitation"])]
    rolling_sum_by_time.append(sum(P))
df['rolling_sum_by_time'] = rolling_sum_by_time

rolling_sum_by_time = []
for x in range(0,len(df["Precipitation"])):
    P = [df["Precipitation"][x-2+i] for i in range(6) if x-2+i >= 0 and x-2+i < len(df["Precipitation"])]
    rolling_sum_by_time.append(sum(P)/len(P))
df['rolling_sum_by_time'] = rolling_sum_by_time

temp_6h = []
for x in range(0,len(df["temperature"])):
    P = [df["temperature"][x-2+i] for i in range(6) if x-2+i >= 0 and x-2+i < len(df["temperature"])]
    temp_6h.append(sum(P))
df['temp_6h'] = temp_6h

mport熊猫作为pd
将numpy作为np导入
df=pd.DataFrame（{'temperature'：np.random.uniform（5,15500），'deposition'：np.random.uniform（0,3500）}，index=pd.date\u range（'1/1/2020'，periods=500，freq='H'））
df['TempUnit']='celsius'
df['PrecipUnit']='mm'
按时间滚动求和=[]
对于范围（0，len）内的x（df[“沉淀]）：
如果x-2+i>=0且x-2+i=0且x-2+i=0且x-2+i

你在

时间
上分组，但是滚动
6小时
，这对我来说没有什么意义。你想用6H重新采样。@QuangHoang我在使用groupby.index时得到了相同的结果-我将进一步研究。这对你有用吗？这对我来说并没有求precip值的和-抱歉。谢谢-但这给了我一个滚动求和的列，它的降水量值较低，它似乎根本没有求和，它也求和了温度数据。是的，在角落里，它只求和3或4。谢谢你的帮助-另一个答案做得更简洁！我得到一个错误：MergeError:Must pass right_on或right_index=trueThank-这提供了一个包含84行的数据帧，用于6小时间隔的温度数据，但它删除了我的原始数据（500行）。我想通过这样做，
df['temp_avg']=df.temperature.resample（'6h'）.mean（）
我可以在一个新列中创建它，保留以前的数据。让我们来看看。这是可行的，但有一个问题-每个6小时时间戳的值不正确-2020-01-01 06:00:00的值应该是之前6个值的总和/平均值（从01:00:00到06:00:00。使用您的方法，它实际上是06:00:00到11:00:00之间值的平均值。每6小时的值应该是前6个值的平均值/总和，而不是以下值。Manishankar-是-这解决了所有问题-谢谢！稍微清理一下
df['temp_avg']=df.temperature.resample（'6h'，label='right'，closed='right'）.mean（）
和
df['precip_sum']=df.deposition.resample（'6h'，label='right'，closed='right'）。sum（）只需少几个字符