Python pandas将excel的数据按月份分组求平均

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Month来进行分组，因此，要先将这个dataframe里面的第一行数据转换成列标签，再将这一行删除。

添加一下代码进行替换

label = list(df.iloc[0])
data = df.drop([0])
data.columns = label

替换后的dataframe内容就是这样子的

按道理来说，就可以直接使用mean()函数进行求平均了，通过下面这行代码

aver = data.groupby(['Year', 'Month']).mean()

但程序立马就报错了,通过查找发现原来是在使用groupby()函数的时候，是按照先对于Year标签分组，再根据Month标签分组，而我的数据里面，有不止一组Year和Month，也就是有重复的列，因此无法判断该按哪一组进行分组。
所以现在需要将除了一组Year和Month保留，其他的都要去掉。如果直接使用drop()函数，会把所有的Year和Month都删除，我也没找到能按索引来删除列的方法。那只能从根源入手了，在读取文件的时候，就把那些不需要的列排除在外。

将最开始的读取文件那一行代码替换成下面这段代码

import numpy as np
read_num = [] 
for i in range(41):
    read_num.append(i)
drop_list = [2, 7, 8, 9, 10, 16, 17, 18, 19, 25, 26, 27, 28, 33, 34, 35, 36]  # 不需要读取的excel列号
read_num = np.delete(read_num, drop_list)
df = pd.read_excel(io='use_nofillvalue(1).xlsx', usecols=read_num)

数据data就会变成这样

此时数据已经清洗完毕了，再运行一次代码。再次报错，没有要聚合的数字类型。可是查看dataframe的内容时，明明数据都没有错，这究竟是groupby()函数还是mean()函数出了问题？

我替换成求总和sum()试了一下，发现是可以计算的。那么就是mean()函数的问题了。

aver = data.groupby(['Year', 'Month']).sum()

我又去查，为什么我的mean()函数用不了。看到一个说法就是，
有可能是这个dataframe的列dtypes为object，而sum()函数可以对非数值进行计算，只要这个计算对这个数据类型有意义；但mean()函数不行，只能对数值进行计算。然后我查看了下data的dtypes，还真的全是object类型。

那么现在的问题就是要将这些数据转换成float型了，尝试了pd.to_numeric和val方法，但是转得都不成功。干脆就不用pandas的函数了，直接使用强制转换.astype(‘float’)，然后数据类型就转换好了。
但这里又出现了一个问题，原来data只有24列，而现在a有62列，说明这里还有问题。

a = data[label].astype('float')

我又想起列名重复的问题，我统计了一下，重复的列名有5种共16列，每一种的个数平方再加上不重复的数量刚好就是62！这就说明，凡是重复的列都进行了重复的转换，也就是平方。（重复的问题真的太麻烦了）所以我把那个label列表用unique()函数筛选了一下，将重复的标签都删除了。 ```python unique_label = np.unique(label) a = data[unique_label].astype('float') ``` 最后再尝试一下mean()函数求平均

aver = data.groupby(['Year', 'Month']).mean()

终于没有问题了

最终的代码

import pandas as pd
import numpy as np
read_num = []
for i in range(41):
    read_num.append(i)
drop_list = [2, 7, 8, 9, 10, 16, 17, 18, 19, 25, 26, 27, 28, 33, 34, 35, 36]  # 不需要读取的excel列号
read_num = np.delete(read_num, drop_list)
df = pd.read_excel(io='use_nofillvalue(1).xlsx', usecols=read_num)
label = list(df.iloc[0])
data = df.drop([0])
data.columns = label
unique_label = np.unique(label)
a = data[unique_label].astype('float')
aver = a.groupby(['Year', 'Month']).mean()