Pandas 데이터 프레임을 사용하여 시계열 데이터의 평균 계산

제이슨 탐

이 스레드를 우연히 발견했습니다.

Python Pandas를 사용하여 일일 데이터를 사용한 월 평균

내 질문의 대부분에 대답했습니다. 나머지 부분은 다음과 같이 원본 데이터와 결과를 정렬하는 방법입니다.

1979    1   1   3
1979    1   2   3
1979    1   3   3
1979    1   4   3
1979    1   5   3
1979    1   6   3
1979    1   7   4
1979    1   8   5
1979    1   9   7
1979    1   10  8
1979    1   11  16
1979    1   12  16
1979    1   13  16
1979    1   14  18
1979    1   15  18
1979    1   16  18
1979    1   17  18
1979    1   18  20
1979    1   19  20
1979    1   20  20
1979    1   21  20
1979    1   22  20
1979    1   23  18
1979    1   24  18
1979    1   25  18
1979    1   26  18
1979    1   27  18
1979    1   28  18
1979    1   29  18
1979    1   30  18
1979    1   31  19  13.709677
1979    2   1   19
1979    2   2   19
1979    2   3   19
1979    2   4   19
1979    2   5   19
1979    2   6   22
1979    2   7   24
1979    2   8   27
1979    2   9   29
1979    2   10  32
1979    2   11  32
1979    2   12  32
1979    2   13  32
1979    2   14  33
1979    2   15  33
1979    2   16  33
1979    2   17  34
1979    2   18  36
1979    2   19  36
1979    2   20  36
1979    2   21  36
1979    2   22  36
1979    2   23  36
1979    2   24  31
1979    2   25  29
1979    2   26  27
1979    2   27  27
1979    2   28  27  29.107143

미리 감사드립니다

cs95

dfGroupBy.transform다음을 사용 df.duplicated하여 중복을 표시하고 바꿀 수 있습니다 .

In [198]: df['monthly_avg'] = df.groupby(["year", "month"]).snow_depth.transform('mean')

In [205]: df.set_value(df['monthly_avg'].duplicated('last'), 'monthly_avg', '')
Out[205]: 
    year  month  day  snow_depth monthly_avg
0   1979      1    1           3            
1   1979      1    2           3            
2   1979      1    3           3            
3   1979      1    4           3            
4   1979      1    5           3            
5   1979      1    6           3            
6   1979      1    7           4            
7   1979      1    8           5            
8   1979      1    9           7            
9   1979      1   10           8            
10  1979      1   11          16            
11  1979      1   12          16            
12  1979      1   13          16            
13  1979      1   14          18            
14  1979      1   15          18            
15  1979      1   16          18            
16  1979      1   17          18            
17  1979      1   18          20            
18  1979      1   19          20            
19  1979      1   20          20            
20  1979      1   21          20            
21  1979      1   22          20            
22  1979      1   23          18            
23  1979      1   24          18            
24  1979      1   25          18            
25  1979      1   26          18            
26  1979      1   27          18            
27  1979      1   28          18            
28  1979      1   29          18            
29  1979      1   30          18            
30  1979      1   31          19     13.7097
31  1979      2    1          19            
32  1979      2    2          19            
33  1979      2    3          19            
34  1979      2    4          19            
35  1979      2    5          19            
36  1979      2    6          22            
37  1979      2    7          24            
38  1979      2    8          27            
39  1979      2    9          29            
40  1979      2   10          32            
41  1979      2   11          32            
42  1979      2   12          32            
43  1979      2   13          32            
44  1979      2   14          33            
45  1979      2   15          33            
46  1979      2   16          33            
47  1979      2   17          34            
48  1979      2   18          36            
49  1979      2   19          36            
50  1979      2   20          36            
51  1979      2   21          36            
52  1979      2   22          36            
53  1979      2   23          36            
54  1979      2   24          31            
55  1979      2   25          29            
56  1979      2   26          27            
57  1979      2   27          27            
58  1979      2   28          27     29.1071

이 기사는 인터넷에서 수집됩니다. 재 인쇄 할 때 출처를 알려주십시오.

침해가 발생한 경우 연락 주시기 바랍니다[email protected] 삭제

에서 수정
0

몇 마디 만하겠습니다

0리뷰
로그인참여 후 검토

관련 기사

분류에서Dev

조건을 사용하여 데이터 프레임의 열 평균 계산

분류에서Dev

그룹 별을 사용하여 Pandas 데이터 프레임에서 누적 이동 평균 계산

분류에서Dev

Pandas 데이터 프레임 시계열의 롤링 평균

분류에서Dev

Python : 다른 Pandas 데이터 프레임 열 간의 평균을 계산하는 방법은 무엇입니까?

분류에서Dev

Pandas : 데이터 프레임과 시리즈를 사용하여 행별로 가중 평균 계산

분류에서Dev

pandas를 사용하여 빈도가 주어진 데이터 프레임에서 평균 계산

분류에서Dev

List에 저장된 여러 데이터 프레임 열의 평균 계산

분류에서Dev

Pandas 데이터 프레임의 필터링 된 행에 대한 평균을 계산하고 원래 데이터 프레임의 모든 열에 평균을 추가하려면 어떻게해야합니까?

분류에서Dev

Pandas 데이터 프레임의 행 하위 집합에 대한 평균 및 최대 값 계산

분류에서Dev

Pandas 데이터 프레임의 대규모 일일 JSON 데이터 세트에서 평균 월간 값을 계산하려면 어떻게해야합니까?

분류에서Dev

R은 group_by를 사용하여 데이터 프레임의 평균 및 값 합계를 계산합니다.

분류에서Dev

Pandas는 사전 집계 된 데이터의 평균 / 평균을 얻습니다.

분류에서Dev

R에서 정렬되지 않은 데이터 프레임 열의 평균을 계산하는 방법

분류에서Dev

Pandas 데이터 프레임의 두 열을 사용하여 가중 합계 계산

분류에서Dev

두 데이터 프레임에서 열의 평균을 계산 한 다음 특정 레이블이있는 막대 그래프에서 각 데이터 프레임의 평균을 플로팅 하시겠습니까?

분류에서Dev

문자형 벡터를 사용하여 데이터 프레임을 반복하고 R에서 일치하는 항목의 평균을 계산하는 방법

분류에서Dev

Pandas 데이터 프레임에 Groupby를 적용하고 모든 열에서 평균을 계산할 수 있습니까?

분류에서Dev

pandas 데이터 프레임 열을 사용하는 수식 문자열 계산

분류에서Dev

Pandas 데이터 프레임을 사용한 다차원 계산

분류에서Dev

그룹화 된 데이터 프레임의 평균을 계산하는 방법은 무엇입니까?

분류에서Dev

pandas 데이터 프레임 시계열을 일별로 합산

분류에서Dev

열의 평균을 사용하여 데이터 프레임별로 그룹화

분류에서Dev

Pandas를 사용하여 시계열 데이터 프레임에서 데이터 프레임 행 삭제

분류에서Dev

파이썬 데이터 프레임에서 'for'루프를 사용하지 않고 이전 레코드의 평균을 계산합니다.

분류에서Dev

pandas 데이터 프레임 행 내의 목록에 대한 평균 및 표준 dev 계산

분류에서Dev

Pandas groupby 데이터 프레임의 첫 번째 행을 사용하여 누적 차이 계산

분류에서Dev

데이터 프레임 R의 다른 열 합계 / 평균

분류에서Dev

사전을 사용하여 Pandas 데이터 프레임에서 발생 횟수 계산 조건 정의

분류에서Dev

Python Pandas를 사용하여 데이터 프레임 열을 그룹화하고 Excel 시트에서 새 열을 계산하는 데 사용

Related 관련 기사

  1. 1

    조건을 사용하여 데이터 프레임의 열 평균 계산

  2. 2

    그룹 별을 사용하여 Pandas 데이터 프레임에서 누적 이동 평균 계산

  3. 3

    Pandas 데이터 프레임 시계열의 롤링 평균

  4. 4

    Python : 다른 Pandas 데이터 프레임 열 간의 평균을 계산하는 방법은 무엇입니까?

  5. 5

    Pandas : 데이터 프레임과 시리즈를 사용하여 행별로 가중 평균 계산

  6. 6

    pandas를 사용하여 빈도가 주어진 데이터 프레임에서 평균 계산

  7. 7

    List에 저장된 여러 데이터 프레임 열의 평균 계산

  8. 8

    Pandas 데이터 프레임의 필터링 된 행에 대한 평균을 계산하고 원래 데이터 프레임의 모든 열에 평균을 추가하려면 어떻게해야합니까?

  9. 9

    Pandas 데이터 프레임의 행 하위 집합에 대한 평균 및 최대 값 계산

  10. 10

    Pandas 데이터 프레임의 대규모 일일 JSON 데이터 세트에서 평균 월간 값을 계산하려면 어떻게해야합니까?

  11. 11

    R은 group_by를 사용하여 데이터 프레임의 평균 및 값 합계를 계산합니다.

  12. 12

    Pandas는 사전 집계 된 데이터의 평균 / 평균을 얻습니다.

  13. 13

    R에서 정렬되지 않은 데이터 프레임 열의 평균을 계산하는 방법

  14. 14

    Pandas 데이터 프레임의 두 열을 사용하여 가중 합계 계산

  15. 15

    두 데이터 프레임에서 열의 평균을 계산 한 다음 특정 레이블이있는 막대 그래프에서 각 데이터 프레임의 평균을 플로팅 하시겠습니까?

  16. 16

    문자형 벡터를 사용하여 데이터 프레임을 반복하고 R에서 일치하는 항목의 평균을 계산하는 방법

  17. 17

    Pandas 데이터 프레임에 Groupby를 적용하고 모든 열에서 평균을 계산할 수 있습니까?

  18. 18

    pandas 데이터 프레임 열을 사용하는 수식 문자열 계산

  19. 19

    Pandas 데이터 프레임을 사용한 다차원 계산

  20. 20

    그룹화 된 데이터 프레임의 평균을 계산하는 방법은 무엇입니까?

  21. 21

    pandas 데이터 프레임 시계열을 일별로 합산

  22. 22

    열의 평균을 사용하여 데이터 프레임별로 그룹화

  23. 23

    Pandas를 사용하여 시계열 데이터 프레임에서 데이터 프레임 행 삭제

  24. 24

    파이썬 데이터 프레임에서 'for'루프를 사용하지 않고 이전 레코드의 평균을 계산합니다.

  25. 25

    pandas 데이터 프레임 행 내의 목록에 대한 평균 및 표준 dev 계산

  26. 26

    Pandas groupby 데이터 프레임의 첫 번째 행을 사용하여 누적 차이 계산

  27. 27

    데이터 프레임 R의 다른 열 합계 / 평균

  28. 28

    사전을 사용하여 Pandas 데이터 프레임에서 발생 횟수 계산 조건 정의

  29. 29

    Python Pandas를 사용하여 데이터 프레임 열을 그룹화하고 Excel 시트에서 새 열을 계산하는 데 사용

뜨겁다태그

보관