Python 根据日期、周、月获取平均数据

我有一个数据集，其中包括工厂工人三年的产出数据。现在我想得到基于日期、周、月的平均输出。问题是日期格式类似于%d.%m.%Y（日-月-年）。我的问题是如何在获得预期输出的同时保持日期格式不变

我的数据集是这样的（每天都有很多值。）

我收到的错误消息如下：时间数据“2017-01-01”与格式“%d.%m.%Y”（匹配）不匹配。仅供参考，当我读取数据集时，我的代码是这样的

df['date'] = pd.to_datetime(df['date'],format='%d.%m.%Y').dt.date
df.groupby(['date'],as_index=False).mean()

---

我尝试通过谷歌搜索不同的解决方案来解决这个问题。但我不能得到预期的结果。输出完全混淆了日期和月份。2017年1月2日（2017年1月2日）被视为2017年2月1日。我如何解决？谢谢大家!

您的代码看起来不错，事实上至少在前四条数据记录中运行良好。这里的问题是日期格式与您报告的错误不一致。正如其他人指出的那样，让熊猫帮你找出格式可以解决问题，即

df[“date”]=pd.to_datetime（df[“date”]）

。但我只是觉得这有点棘手或危险。我建议您在对日期格式进行任何分析之前，使用Python中的字符串操作统一日期格式。希望这能有所帮助。

您的代码看起来不错，事实上至少在前四条数据记录中运行良好。这里的问题是日期格式与您报告的错误不一致。正如其他人指出的那样，让熊猫帮你找出格式可以解决问题，即

df[“date”]=pd.to_datetime（df[“date”]）

。但我只是觉得这有点棘手或危险。我建议您在对日期格式进行任何分析之前，使用Python中的字符串操作统一日期格式。希望这能有所帮助。

将

%d

和

%m

@WillemVanOnsem互换您的意思是将其更改为月、日、年？原始数据集的格式为date.month.year。请尝试：

df[“date”]=pd.to_datetime（df[“date”]）

，然后让

pandas

查找you@GrzegorzSkibinski我确实按照你的建议做了。它是这样打印出来的：2017-01-01，然后2017年1月2日显示为2017-02-01，2017年1月3日显示为2017-03-01交换

%d

和

%m

@WillemVanOnsem您的意思是将其更改为月、日、年？原始数据集的格式为date.month.year。请尝试：

df[“date”]=pd.to_datetime（df[“date”]）

，然后让

pandas

查找you@GrzegorzSkibinski我确实按照你的建议做了。它是这样打印出来的：2017-01-01，然后2017年1月2日显示为2017-02-01，2017年1月3日显示为2017-03-01谢谢Fei Yao我想我需要更多提示：）嗨@smoothy你能提供一个数据样本吗？我不能只对上面列出的数据做更多的事情。谢谢费尧我想我需要更多的提示：）嗨@smoothy你能提供一个数据样本吗？仅凭上面列出的数据，我无法做得更多。

df['date'] = pd.to_datetime(df['date'],format='%d.%m.%Y').dt.date
df.groupby(['date'],as_index=False).mean()