【Python】按照月份、周、季度对天进行重采样，分组计算

比如我有一个长度为一年365天的数字序列，我想以每月的天数[31,28,31,30,31,30,31,31,30,31,30,31]进行分组，分组后对每组进行平均（或其他操作），得到一个长度为12个月的序列，可以使用Pandas的resample()方法：

import numpy as np  
import pandas as pd  

# 创建一个长度为365的日期序列  
date_range = pd.date_range(start='2022-01-01', periods=365)

# 将日期序列转换为pandas的DatetimeIndex对象  
date_index = pd.DatetimeIndex(date_range)  

# 创建一个长度为365的数字序列  
data = np.random.rand(365)  

# 将数字序列转换为pandas的Series对象  
series = pd.Series(data, index=date_index)  

# 按照每月的天数进行分组，并计算每组的平均值  
monthly_mean = series.resample('M').mean() 

print(monthly_mean)

这段代码将输出一个长度为12的月份序列，其中每个元素表示对应月份的平均值。

在 Pandas 中，resample() 方法的参数 M 表示按月进行重采样。除了 M，还有其他一些常用的选项来指定时间间隔：

1. D：按天重采样。
2. W：按周重采样。
3. Q：按季度重采样。
4. H：按小时重采样。
5. T：按分钟重采样。
6. S：按秒重采样。