对于pandas,这似乎是一个非常好的工作:from __future__ import print_function
import pandas as pd
import numpy as np
raw_data = [['OCT 27, 2015',2,4,6,8],['NOV 03, 2015',1,5,9,2],['NOV 05, 2015',2,4,6,8]]
pandas_data = pd.DataFrame(raw_data, columns=['Date', 'A', 'B', 'C', 'D'])
pandas_data["Date"] = pd.to_datetime(pandas_data["Date"])
print(pandas_data)
print(pandas_data.mean())
输出:
^{pr2}$
这为我们提供了所有列的汇总统计信息,但对于一周中的特定日期,我将执行以下操作(按照上面的代码):pandas_data["Day of the Week"] = pandas_data["Date"].dt.dayofweek
grouped_data = pandas_data.groupby('Day of the Week').aggregate(np.mean)
print(grouped_data)
输出:A B C D
Day of the Week
1 1.5 4.5 7.5 5
3 2.0 4.0 6.0 8
pandas'星期一的惯例是星期一=0,星期日=6
pandas'groupby函数按照tin上的说明进行操作:它根据一些标准对数据进行分组,在本例中是“星期几”。然后,aggregate函数在这些组上运行给定的函数并给出结果。在