添加链接
link管理
链接快照平台
  • 输入网页链接,自动生成快照
  • 标签化管理网页链接
df['timestamp'] = pd.to_datetime(df['timestamp']) df['hour'] = df['timestamp'].dt.hour df['month'] = df['timestamp'].dt.month # mean取平均值 df_agg = df.groupby("month")["hum"].mean().reset_index() print(df_agg)

2、运行结果

month        hum
0       1  77.543376
1       2  74.905813
2       3  71.903781
3       4  67.532337
4       5  66.367272
5       6  68.945148
6       7  64.383525
7       8  67.289420
8       9  71.753228
9      10  77.639621
10     11  78.732517
11     12  81.032345

菜鸟实战,持续学习!

# 这段代码可以将时间序列的 数据 进行汇总,日-> ->年 # 使用时,先读入文件,然后保留字段到仅有时间列和值列,通过对时间列的切片,以实现分组汇总功能 import pandas as pd # 读取文件 file = r'D:\Desktop\Statistical_index.xlsx' df = pd.read_excel(file) # 查看原始字段 print(df.head()) #删除无关字段 del df['keyword'] del df['type' 1、加载nc 数据 import xarray as xr ds=xr.open_dataset(r'E:\Allmode\salem_russia\russia_pr\salemtrans_0.5_pr_Amon_BCC-CSM2-MR_ssp126_r1i1p1f1_gn_2020_2050.nc.nc').load() pr=ds.pr*86400*30 lon=ds.lon lat=ds.lat 打印一下: 2、截取研究时间段并按
2021,已经过去了。在整理当年工作输出时,想量化下当年开发的报表数量,以及看下上半年集成 数据 后,报表开发的工作占比是否下降。 想了下,可以用项目组下个人目录下的各 报表数量,来量化下上述情况。 思路很简单,用 Python 的 os / pathlib 库,拿到个人目录下的文件路径及其创建的时间,再按 汇总计数即可,代码如下: import os from datetime import datetime import pandas as pd # 输入参数 FILE_PATH = '你的个人目录绝
先观察一下要处理的 数据 是怎样的,原始文件是有五组分隔开的 数据 ,第一行是表示组名,第二行是列标签,第三行开始才是真正的 数据 。很容易就会想到使用 pandas 来处理这个文件了。 首先读取文件并创建一个dataframe对象 import pandas as pd df = pd.read_excel('use_nofillvalue(1).xlsx') 查看df的内容,可以看到列标签很多都是Unamed,是因为本来文件表格就是空的,因此也读取不到内容。而后面使用mean()求平均时,要使用标签Year和Mon
#求'ave_time'这一列的 平均值 aveTime=df['ave_time'].mean() #把ave_time这列的缺失值进进行填充,填充的方法是按这一列的 平均值 进行填充 df2=df.fillna(aveTime) # 把处理过的这一列的 数据 取出来 col=df2.iloc[:,
「销售订单excel物料」https://www.aliyundrive.com/s/8yihmUZPhWK 数据 分析的三大作用:现状分析、原因分析、预测分析,现状分析可以表明当前的业务状况,对当前的业务状况做分析,可以给决策者提供一个 数据 支撑和参考。 本节使用一组销售订单明细 数据 ,研究不同产品的订单数和销量情况,同时研究每个分拨中心的销量占比以及哪些 份订单量最多,综合 数据 分析的结果给业务决策热提供 数据 支持。 1、使用 pandas 包导入 数据 ,其中parse_dates用于解析日期。 2、订单前
@创建于:20210716 @修改于:20210716 文章目录1、 pandas .Series.dt.year() 和 pandas .Series.dt.month() 方法提取 份和年份2、strftime() 方法提取年份和 份3、 pandas .DatetimeIndex.month 和 pandas .DatetimeIndex.year 提取年份和 份4、参考资料 1、 pandas .Series.dt.year() 和 pandas .Series.dt.month() 方法提取 份和年份 应用于 Da