Python 在一个数据帧中获取几年内工作日某个小时的平均值

我有一个每小时一次的数据帧，在几年中采用以下格式：

Date/Time            Value
01.03.2010 00:00:00  60
01.03.2010 01:00:00  50
01.03.2010 02:00:00  52
01.03.2010 03:00:00  49
.
.
.
31.12.2013 23:00:00  77

我想平均数据，这样我就可以得到0小时，1小时的平均值。。。每年23小时

因此，输出应该是这样的：

Year Hour           Avg
2010 00              63
2010 01              55
2010 02              50
.
.
.
2013 22              71
2013 23              80

有人知道如何在pandas中获取此信息吗？

注意：既然系列具有dt访问器，那么日期作为索引就不那么重要了，尽管日期/时间仍然需要是datetime64

更新：您可以更直接地执行groupby（无需lambda）：

如果是datetime64索引，您可以执行以下操作：

In [31]: df1.groupby([df1.index.year, df1.index.hour]).mean()
Out[31]:
        Value
2010 0     60
     1     50
     2     52
     3     49

---

旧答案（将较慢）：

假设日期/时间是索引*，则可以在中使用映射函数：

对于更有用的索引，可以从元组创建多索引：

In [13]: year_hour_means.index = pd.MultiIndex.from_tuples(year_hour_means.index,
                                                           names=['year', 'hour'])

In [14]: year_hour_means
Out[14]:
           Value
year hour
2010 0        60
     1        50
     2        52
     3        49

*如果没有，则首先使用：

---

如果日期/时间列采用datetime格式（有关自动解析选项，请参见dateutil.parser），则可以使用pandas重采样，如下所示：

year_hour_means = df.resample('H',how = 'mean')

---

它将以日期时间格式保存数据。这可能有助于您对数据进行后续处理。

非常感谢。我一直在尝试使用循环，但这是一种更好的方法。注意：有人知道如何将“df1.groupby（lambda x:（x.year，x.hour））.mean（）的“x.year”或“x.hour”作为动态参数填充到lamda函数中吗？为“df1.groupby（lambda x:（Variable1，Variable2））.mean（）”定义Varialbe1=x.year和Variable2=x.hour似乎不起作用。@MarkusW您应该作为一个新问题来问：）。。。听起来你想使用一个合适的函数（即不是lambda）@而且你是个天才。你能澄清一下吗：lambda函数总是默认使用索引吗？然后给定一个多索引，这默认为该多索引的一个元组？@josh yes，不过您可以将

传递为\u index=False

来覆盖它。在重读这个问题时，我会做一些不同的事情。更新了一个更好的方法来实现这一点（碰巧直接创建了多索引）。这不是一天到下一天的平均值though@endolith尝试daily_average=df.resample（'D'）.mean（），其中df有datetimeindex

In [13]: year_hour_means.index = pd.MultiIndex.from_tuples(year_hour_means.index,
                                                           names=['year', 'hour'])

In [14]: year_hour_means
Out[14]:
           Value
year hour
2010 0        60
     1        50
     2        52
     3        49

df1 = df.set_index('Date/Time')

year_hour_means = df.resample('H',how = 'mean')