Python 计算循环中不同天数的平均值

我有一个像这样的数据框

Date    Daily Risk Score
0   2020-06-26  6.0
1   2020-06-27  6.0
2   2020-06-28  6.0
3   2020-06-29  6.0
4   2020-06-30  6.0
5   2020-07-01  6.0
6   2020-07-02  6.0
7   2020-07-03  6.0
8   2020-07-04  6.0
9   2020-07-05  6.0
10  2020-07-06  6.0
11  2020-07-07  6.0
12  2020-07-08  6.0
13  2020-07-09  6.0
14  2020-06-26  6.0
15  2020-06-27  6.0
16  2020-06-28  6.0
17  2020-06-29  6.0
18  2020-06-30  6.0
19  2020-07-01  6.0
20  2020-07-02  6.0
21  2020-07-03  6.0
22  2020-07-04  6.0
23  2020-07-05  6.0
24  2020-07-06  6.0
25  2020-07-07  6.0
26  2020-07-08  6.0
27  2020-07-09  6.0
28  2020-06-26  1.0
29  2020-06-27  1.0

实际的数据帧类似于50k个条目。然后我想取每个日期的所有每日风险分数的平均值。然后，我想将14个新平均值中的每一个存储在一个名为“means”的新列中，其中有14个值对应于计算它们的日期

我试着这样做：

df2['Date']= pd.to_datetime(df2['Date']) 
dates=pd.date_range(today, (today+dt.timedelta()))
for i in dates:
    df2=df2[df2['Date']==i]
    df2['means']=df2['Daily Risk Score'].mean()

---

但这只计算第一天的平均值，然后停止循环。我做错了什么？

你可以这样做：

mean_df = df.groupby("Date").mean().reset_index()
mean_df.columns = ["Date", "ScoreMean"]
#          Date     means
#0   2020-06-26  4.333333
#1   2020-06-27  4.333333
#2   2020-06-28  6.000000
#3   2020-06-29  6.000000
#4   2020-06-30  6.000000
#5   2020-07-01  6.000000
#6   2020-07-02  6.000000
#7   2020-07-03  6.000000
#8   2020-07-04  6.000000
#9   2020-07-05  6.000000
#10  2020-07-06  6.000000
#11  2020-07-07  6.000000
#12  2020-07-08  6.000000
#13  2020-07-09  6.000000

result = pd.merge(df, mean_df, on="Date")
#          Date  DailyRiskScore     means
#0   2020-06-26             6.0  4.333333
#1   2020-06-26             6.0  4.333333
#2   2020-06-26             1.0  4.333333
#3   2020-06-27             6.0  4.333333
#4   2020-06-27             6.0  4.333333
#5   2020-06-27             1.0  4.333333
#6   2020-06-28             6.0  6.000000
#7   2020-06-28             6.0  6.000000
#8   2020-06-29             6.0  6.000000
#9   2020-06-29             6.0  6.000000
#10  2020-06-30             6.0  6.000000
#11  2020-06-30             6.0  6.000000
#12  2020-07-01             6.0  6.000000
#13  2020-07-01             6.0  6.000000
#14  2020-07-02             6.0  6.000000
#15  2020-07-02             6.0  6.000000
#16  2020-07-03             6.0  6.000000
#17  2020-07-03             6.0  6.000000
#18  2020-07-04             6.0  6.000000
#19  2020-07-04             6.0  6.000000
#20  2020-07-05             6.0  6.000000
#21  2020-07-05             6.0  6.000000
#22  2020-07-06             6.0  6.000000
#23  2020-07-06             6.0  6.000000
#24  2020-07-07             6.0  6.000000
#25  2020-07-07             6.0  6.000000
#26  2020-07-08             6.0  6.000000
#27  2020-07-08             6.0  6.000000
#28  2020-07-09             6.0  6.000000

---

你能解释一下吗

然后我想把14个新的平均值中的每一个存储在一个名为“means”的新列中，其中有14个值对应于它们的计算日期。

。为什么只有

14个
值？我只需要总共14个新值。我希望我的脚本计算2020-06-26所有日期的平均值，然后计算2020-06-27所有日期的平均值，以此类推。这有意义吗？不是真的，我想知道仅仅考虑14个新值的逻辑是什么。考虑添加预期的输出。你可以使用<代码> DF2。GROPBY（日期）。AGG（{“每日风险分数”：平均}）< /代码>我认为这是我想要的。有没有一个好的方法来检查，因为数据框大约有50k个条目？首先，确保
mean_df
size等于您拥有的唯一日期数，我认为是14。然后，您可以检查
结果中的随机行，并确保所有内容都符合预期。我是否回答了您的问题？