對于每個名稱/位置，計算每月的平均降雪量。將結果保存在兩個單獨的 .csv 文件中（一個用于 2016，另一個用于 2017）將文件命名為 average2016.csv 和 average2017.csv。我使用 Python 3.8 和 Panadas。我用這段代碼完成了這個：import numpy as npimport pandas as pddf = pd.read_csv('filteredData.csv')df['DATE'] = pd.to_datetime(df['DATE'])df['year'] = pd.DatetimeIndex(df['DATE']).yeardf16 = df[(df.year == 2016)]df17 = df[(df.year == 2017)]df_2016 = df16.groupby(['NAME', 'Month'])['SNOW'].mean().reset_index()df_2017 = df17.groupby(['NAME', 'Month'])['SNOW'].mean().reset_index()df_2016[['NAME', 'Month', 'SNOW']].to_csv('average2016.csv')df_2017[['NAME', 'Month', 'SNOW']].to_csv('average2017.csv')這張圖片顯示了我 2016 年的平均結果。但是，我遇到的問題是月份不是按月順序排列的。我希望他們從 1 月到 12 月去每個地點。示例：我希望名稱：ADA 0.7 SE，MI US Month's 是 May 然后是 June。我怎么能做到這一點？還有沒有辦法擺脫第一個編號的列？
1 回答
拉風的咖菲貓
TA貢獻1995條經(jīng)驗 獲得超2個贊
您可以sort在 DATE 列上。但是你需要記住sort=False在你的 groupby 中做，否則它將使用字符串排序在那里排序。此外，您每年的重復代碼可以替換為單個 groupby，添加year到分組鍵中。然后，您將分別寫入不同的文件，index=False這就是您擺脫索引的方式。
import numpy as np
import pandas as pd
df = pd.read_csv('filteredData.csv')
df['DATE'] = pd.to_datetime(df['DATE'])
df['year'] = df['DATE'].dt.year # Datetime has this attribute already
df = df.sort_values(['NAME', 'DATE']) # Output will be in order within each Name
df = (df[df.year.between(2016,2017)] # Only 2016 and 2017
.groupby(['year', 'NAME', 'Month'], sort=False)['SNOW']
.mean().reset_index())
for year,gp in df.groupby('year'): # Write files separately by year
gp[['NAME', 'Month', 'SNOW']].to_csv(f'average{year}.csv', index=False)
添加回答
舉報
0/150
提交
取消