在。CSV文件中，为每个位置（名称）计算每月平均降雪量，然后将结果保存在两个单独的。

Question

对于filteredData中的每个名称。csv，计算每月的平均降雪量。将结果保存在两个单独的文件夹中。csv文件（一个用于2016年，另一个用于2017年）将文件命名为average2016。csv和平均值2017。csv。

我正在使用Python 3.8与熊猫。我尝试过：

df = pd.read_csv('filteredData.csv')
g = df.groupby([df.DATE.dt.year, df.DATE.dt.month, 'NAME'])['SNOW'].mean().reset_index().sort_values() 
df_2016 = df.loc[df.DATE.dt.year == 2016]
df_2016.to_csv('average2016.csv', index=False)
df_2017 = df.loc[df.DATE.dt.year == 2017]
df_2017.to_csv('average2017.csv', index=False)

但是我得到的只是错误。我不知道从哪里开始。

这是Filteredata的一小部分。csv

Answer 1

您的日期字段最初具有数据类型对象，因此您需要在调用日期转换函数之前对其进行转换。在将数据集分解为两个数据帧（每年一个）后，我将groupby简化为按月分组。

import numpy as np
import pandas as pd

df = pd.read_csv('filtered_data.csv')
df['date'] = pd.to_datetime(df['date'])
df['year'] = pd.DatetimeIndex(df['date']).year
df['month'] = pd.DatetimeIndex(df['date']).month

df16 = df[(df.year == 2016)]
df17 = df[(df.year == 2017)]

df_2016 = df16.groupby(df.month).mean()
df_2017 = df17.groupby(df.month).mean()

df_2016.to_csv('average2016.csv', index=False)
df_2017.to_csv('average2017.csv', index=False)