计算日期的Python平均值&；人工给定的时间？

我的数据集：

时间戳温度
2016年9月1日0:00:08 53.8
2016年9月1日0:00:38 53.8
2016年9月1日0:01:08 53.8
2016年9月1日0:01:38 53.8
2016年9月1日0:02:08 53.8
2016年9月1日0:02:38 54.1
2016年9月1日0:03:08 54.1
2016年9月1日0:03:38 54.1
2016年9月1日0:04:38 54
2016年9月1日0:05:38 54
2016年9月1日0:06:08 54
2016年9月1日0:06:38 54
2016年9月1日0:07:08 54
2016年9月1日0:07:38 54
2016年9月1日0:08:08 54.1
2016年9月1日0:08:38 54.1
2016年9月1日0:09:38 54.1
2016年9月1日0:10:32 54
2016年9月1日0:11:02 54
2016年9月1日0:11:32 54
2016年9月1日0:00:08 54
2016年9月2日0:00:20 32
2016年9月2日0:00:50 32
2016年9月2日0:01:20 32
2016年9月2日0:01:50 32
2016年9月2日0:02:20 32
2016年9月2日0:02:50 32
2016年9月2日0:03:20 32
2016年9月2日0:03:50 32
2016年9月2日0:04:20 32
2016年9月2日0:04:50 32
2016年9月2日0:05:20 32
2016年9月2日0:05:50 32
2016年9月2日0:06:20 32
2016年9月2日0:06:50 32

from datetime import datetime  
import pandas as pd

def same_day(date_string):        
return datetime.strptime(date_string, "%m/%d/%Y %H:%M:%S").strftime('%m-%d')

df = pd.read_csv('dataset.csv', index_col=[0],parse_dates=[0], usecols=[0,1,2])
********calculate per day
print (df.index.strftime('%d%m%H'))
print (df.groupby([df.index.strftime('%d%m%H')]).mean())

这里，如何以json数组格式导出

#****** exporting in CSV format
df.reset_index().to_csv('dataset.csv')

现在我想手动给出日期，并检查每天5小时10分钟的平均值。就像那样。我们在哪里可以手动给出日期和时间？？请帮忙

例如：- 2016年9月1日10分钟平均值为36.08 2016年9月2日10分钟平均值为39.05

2016年9月1日5小时平均值为45.2 2016年9月1日5小时平均值为44.3

就像每次约会，无论我给什么日期，我给什么时间

使用以下代码，我可以找到小于2分钟的温度：-

    import pandas as pd
    df = pd.read_csv('dataset.csv', parse_dates=['Timestamp'])
    #print (df)

    mask =  df.Timestamp.dt.minute < 2
    df1 = df[mask]

    df2 = df1.Timestamp.dt.date == pd.to_datetime('9/1/2016').date()
    print (df2)

错误即将来临：-

AttributeError: 'Series' object has no attribute 'set_index'

---

我根据示例数据创建了一个数据框（我将“文件”选项卡设为分隔符）：

然后我开始阅读，似乎如果DataFrame索引是一个日期时间序列，可能会更容易-我还注意到数据中有一些不连续的日期时间，所以我在设置索引后进行了排序（文档中有关于不连续日期时间的警告）：

我没有深入阅读文档（在阅读时练习示例），直到我偶然发现了一种过滤日期时间范围的方法：

>>> df1['2016-09-01 00:01:30' : '2016-09-01 00:03:15']
                     Temperature
Timestamp                       
2016-09-01 00:01:38         53.8
2016-09-01 00:02:08         53.8
2016-09-01 00:02:38         54.1
2016-09-01 00:03:08         54.1
>>> 

这就很容易了。您可以将结果指定给名称，然后获取平均值，也可以立即获取平均值：

>>> z = df1['2016-09-01 00:01:30' : '2016-09-01 00:03:15']
>>> z.mean()
Temperature    53.95
dtype: float64
>>> df1['2016-09-01 00:01:30' : '2016-09-01 00:03:15'].mean()
Temperature    53.95
dtype: float64
>>>

我不再阅读那里的文档，因为为手动输入的日期/时间开始、结束或周围的任何时间段构造datetime字符串应该非常容易

---

---

平心而论，几周前，我受够了让熊猫做我想做的事，所以我看了电视上的“从地上爬起来的熊猫”节目。我甚至不知道我看了整件事，但我所吸收的东西极大地提高了我的工作效率。

过滤数据框以获得手动输入的日期/时间；将所需时间范围的值相加；将总数除以时间。阅读一些数据帧文档，查看可用的数据帧，观看一些视频，练习找到的示例，学习如何过滤数据帧，学习如何迭代数据帧。您需要什么还不完全清楚，缺少很多细节。你在同一天显示了两个不同的5小时平均值，但这没有任何意义-一天中有两个以上的5小时周期。，仍在挣扎..帮帮我.如果我有多个列，那么…像温度1和温度2？我尝试了但没有工作..如果是两个列，它给出了这两个列的组合平均值…主要问题是当我重新采样我的df时，它给出了完整的平均值..我使用：-df1.重新采样（'D'）.平均值（轴=1）它给了我两个专栏的平均值。还有一件事？？？如何查找丢失的时间戳..我想查找丢失的数据..我的数据是每30秒一次的数据，如果某些数据丢失..如何查找这些数据？@NehaB-阅读文档，做一些教程，练习示例。思考问题并尝试找出解决方案——保持简单。

df1 = df.set_index('Timestamp')
df1 = df1.sort_index()

>>> df1.head()
                     Temperature
Timestamp                       
2016-09-01 00:00:08         53.8
2016-09-01 00:00:08         54.0
2016-09-01 00:00:38         53.8
2016-09-01 00:01:08         53.8
2016-09-01 00:01:38         53.8
>>>

>>> df1['2016-09-01 00:01:30' : '2016-09-01 00:03:15']
                     Temperature
Timestamp                       
2016-09-01 00:01:38         53.8
2016-09-01 00:02:08         53.8
2016-09-01 00:02:38         54.1
2016-09-01 00:03:08         54.1
>>> 

>>> z = df1['2016-09-01 00:01:30' : '2016-09-01 00:03:15']
>>> z.mean()
Temperature    53.95
dtype: float64
>>> df1['2016-09-01 00:01:30' : '2016-09-01 00:03:15'].mean()
Temperature    53.95
dtype: float64
>>>