微信群解答_各月各旬降水量均值_巧用groupby

林_胖

于 2020-07-14 00:12:45 发布

阅读量1k

点赞数

分类专栏：微信群解答文章标签：数据分析 python

本文链接：https://blog.youkuaiyun.com/Lin_Xiao_Dai/article/details/107326640

版权

通过Python进行数据分析，解决群友需求，计算多年各月各旬的平均降雨量，以评估当前年份的洪涝灾害风险。数据存在缺失，通过分组求和、重置索引、分组计算均值和透视列，得到完整结果。测试发现各月旬值之和等于月均值，揭示我国降水集中在夏秋两季的特征。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

在这里插入图片描述
记录一则群友在微信群里提出的需求，计算多年各月各询的平均降雨量。统计这个多年旬月均值，是为了跟当前年份的旬月值做比较，多了就说明当前月份雨水多，有可能发生洪涝灾害。

群友给的这份数据其实并不完整，日期不是连续的，群友解释缺失的日期表示当天没有下雨。

$旬月值=\frac{\sum每年各月各旬降雨量}{该旬出现次数}$

首先我们对数据进行简单的清洗。

# 数据文件比较规整，所以用pd.read_csv直接读取
df = pd.read_csv("./10年数据.txt", sep='\t')

# 将数据列的dt改为日期类型，并提取日期作为行索引
df.index = pd.to_datetime(df['dt'], format='%Y-%m-%d').dt.date

# 补全剩余日期，范围为2006/1/1-2015/9/30，p值默认为0
df = df.reindex(index=pd.date_range(
    start='2006/1/1', end='2015/9/30'), fill_value=0)

# 再一次填补缺失值为0
df.p.fillna(0, inplace=True)

# 删除表中多余的dt列
df.drop('dt', axis=1, inplace=True)

# 日<=10为上旬,0<日

最低0.47元/天解锁文章