python - 平日的 Pandas 石斑鱼？

我有一个 Pandas 数据框，其中的索引是从2007年到2017年的日期。

我想计算每年每个工作日的平均值。我可以按年份分组:

groups = df.groupby(TimeGrouper('A'))
years = DataFrame()
for name, group in groups:
   years[name.year] = group.values

这是我创建新数据框(年)的方式，其中在每一列中我获取时间序列的每一年。
如果我想查看每年的统计数据(例如，平均值):

print(years.mean())

但是现在我想将每年的每一天都分开，以便获得当时所有时间的每个工作日的平均值。

我唯一知道的是:

year=df[(df.index.year==2007)]

day_week=df[(df.index.weekday==2)]

问题是我必须在一周中的一天更改7次，然后重复11年(我的时间序列从2007年开始到2017年结束)，所以我必须做77次!

有没有一种方法可以按年和周日对时间进行分组，以使其更快？

最佳答案

看来您需要 groupby 和 DatetimeIndex.year 一起使用DatetimeIndex.weekday:

rng = pd.date_range('2017-04-03', periods=10, freq='10M')
df = pd.DataFrame({'a': range(10)}, index=rng)
print (df)
            a
2017-04-30  0
2018-02-28  1
2018-12-31  2
2019-10-31  3
2020-08-31  4
2021-06-30  5
2022-04-30  6
2023-02-28  7
2023-12-31  8
2024-10-31  9

df1 = df.groupby([df.index.year, df.index.weekday]).mean()
print (df1)
        a
2017 6  0
2018 0  2
     2  1
2019 3  3
2020 0  4
2021 2  5
2022 5  6
2023 1  7
     6  8
2024 3  9

df1 = df.groupby([df.index.year, df.index.weekday]).mean().reset_index()
df1 = df1.rename(columns={'level_0':'years','level_1':'weekdays'})
print (df1)
   years  weekdays  a
0   2017         6  0
1   2018         0  2
2   2018         2  1
3   2019         3  3
4   2020         0  4
5   2021         2  5
6   2022         5  6
7   2023         1  7
8   2023         6  8
9   2024         3  9