blocks|key|2243478|text|基于雅图的回答|type|unstyled|depth|inlineStyleRanges|entityRanges|data|2243479|他回答的问题是，滚动函数考虑的是作为索引的值，而不是日期，有些转换可以将时间戳读入窗口[+pandas.rolling+]|offset|length|2243480|df+=+pd.DataFrame(+data+=+numpy_data,+columns=['value','date'])

df['date']+=+df.apply(lambda+row:+pd.Timestamp(row.date),+axis=1+)
df+=+df.set_index(df.date).drop('date',+axis=1)
df.sort_index(inplace=True)

df.rolling('10d').mean().plot(+ylim=(30,100)+,+figsize=(16,5),grid='true')|code-block|syntax|javascript|2243481|最终结果|2243482|​|2243483|📷|atomic|2243484|2243485|entityMap|0|LINK|mutability|MUTABLE|url|https://pandas.pydata.org/pandas-docs/stable/reference/api/pandas.DataFrame.rolling.html|1|IMAGE|IMMUTABLE|imageUrl|https://developer.qcloudimg.com/http-save/yehe-900000/e27457e71696dfca39934dff91253955.png|imageAlt^0|0|19|E|0|0|0|0|0|0|1|1|0|0^^$0|@$1|2|3|4|5|6|7|16|8|@]|9|@]|A|$]]|$1|B|3|C|5|6|7|17|8|@]|9|@$D|18|E|19|1|1A]]|A|$]]|$1|F|3|G|5|H|7|1B|8|@]|9|@]|A|$I|J]]|$1|K|3|L|5|6|7|1C|8|@]|9|@]|A|$]]|$1|M|3|N|5|6|7|1D|8|@]|9|@]|A|$]]|$1|O|3|P|5|Q|7|1E|8|@]|9|@$D|1F|E|1G|1|1H]]|A|$]]|$1|R|3|N|5|6|7|1I|8|@]|9|@]|A|$]]|$1|S|3|-4|5|6|7|1J|8|@]|9|@]|A|$]]]|T|$U|$5|V|W|X|A|$Y|Z]]|10|$5|11|W|12|A|$13|14|15|-4]]]]

<h2>Based on yatu answer</h2>
The problem with his answer, is the rolling function considere values as index, not as date, with some transformations rolling can read Timestamp as use time as window [ <a href="https://pandas.pydata.org/pandas-docs/stable/reference/api/pandas.DataFrame.rolling.html" rel="nofollow noreferrer">pandas.rolling</a> ]
<pre><code>df = pd.DataFrame( data = numpy_data, columns=['value','date'])

df['date'] = df.apply(lambda row: pd.Timestamp(row.date), axis=1 )
df = df.set_index(df.date).drop('date', axis=1)
df.sort_index(inplace=True)

df.rolling('10d').mean().plot( ylim=(30,100) , figsize=(16,5),grid='true')
</code></pre>
Final results
<a href="https://i.stack.imgur.com/tyKZt.png" rel="nofollow noreferrer"><img src="https://i.stack.imgur.com/tyKZt.png" alt="Final result" /></a>

blocks|key|54622|text|例如，您可以做的一件事是使用DataFrame.rolling和mean来获取数据的滚动平均值。|type|unstyled|depth|inlineStyleRanges|offset|length|style|CODE|entityRanges|data|54623|df+=+df.set_index(df.date).drop('date',+axis=1)
df.rolling(3).mean().plot()|code-block|syntax|javascript|54624|对于您的示例dataframe，直接绘制dataframe将产生如下结果：|54625|​|54626|📷|atomic|54627|54628|如果采取了滚动的手段，你就会：|54629|54630|54631|54632|在这里，我选择了一个window+of+3，但他的选择取决于你希望它成为什么样的人。|54633|entityMap|0|LINK|mutability|MUTABLE|url|https://pandas.pydata.org/pandas-docs/stable/reference/api/pandas.DataFrame.rolling.html|1|https://pandas.pydata.org/pandas-docs/stable/reference/api/pandas.core.window.Rolling.mean.html|2|IMAGE|IMMUTABLE|imageUrl|https://developer.qcloudimg.com/http-save/yehe-900000/a52b7c0dd4c2d4267e94411ebbf6dc00.png|imageAlt|3|https://developer.qcloudimg.com/http-save/yehe-900000/6754f5967a75ecaec3f59f2879d10204.png^0|E|H|W|4|E|H|0|W|4|1|0|0|0|0|0|1|2|0|0|0|0|0|1|3|0|0|A|6|K|1|0^^$0|@$1|2|3|4|5|6|7|1H|8|@$9|1I|A|1J|B|C]|$9|1K|A|1L|B|C]]|D|@$9|1M|A|1N|1|1O]|$9|1P|A|1Q|1|1R]]|E|$]]|$1|F|3|G|5|H|7|1S|8|@]|D|@]|E|$I|J]]|$1|K|3|L|5|6|7|1T|8|@]|D|@]|E|$]]|$1|M|3|N|5|6|7|1U|8|@]|D|@]|E|$]]|$1|O|3|P|5|Q|7|1V|8|@]|D|@$9|1W|A|1X|1|1Y]]|E|$]]|$1|R|3|N|5|6|7|1Z|8|@]|D|@]|E|$]]|$1|S|3|T|5|6|7|20|8|@]|D|@]|E|$]]|$1|U|3|N|5|6|7|21|8|@]|D|@]|E|$]]|$1|V|3|P|5|Q|7|22|8|@]|D|@$9|23|A|24|1|25]]|E|$]]|$1|W|3|N|5|6|7|26|8|@]|D|@]|E|$]]|$1|X|3|Y|5|6|7|27|8|@$9|28|A|29|B|C]|$9|2A|A|2B|B|C]]|D|@]|E|$]]|$1|Z|3|-4|5|6|7|2C|8|@]|D|@]|E|$]]]|10|$11|$5|12|13|14|E|$15|16]]|17|$5|12|13|14|E|$15|18]]|19|$5|1A|13|1B|E|$1C|1D|1E|-4]]|1F|$5|1A|13|1B|E|$1C|1G|1E|-4]]]]

One thing you could do for instance is to take the rolling mean of the dataframe, using <a href="https://pandas.pydata.org/pandas-docs/stable/reference/api/pandas.DataFrame.rolling.html" rel="nofollow noreferrer"><code>DataFrame.rolling</code></a> along with <a href="https://pandas.pydata.org/pandas-docs/stable/reference/api/pandas.core.window.Rolling.mean.html" rel="nofollow noreferrer"><code>mean</code></a>:

<pre><code>df = df.set_index(df.date).drop('date', axis=1)
df.rolling(3).mean().plot()
</code></pre>

For the example dataframe you have, directly plotting the dataframe would result in:

<a href="https://i.stack.imgur.com/rgjhO.png" rel="nofollow noreferrer"><img src="https://i.stack.imgur.com/rgjhO.png" alt="enter image description here"></a>

And having taking the rolling mean, you would have:

<a href="https://i.stack.imgur.com/2uDSC.png" rel="nofollow noreferrer"><img src="https://i.stack.imgur.com/2uDSC.png" alt="enter image description here"></a>

Here I chose a <code>window</code> of <code>3</code>, but his will depend on how wmooth you want it to be

I have a DataFrame like this

<pre><code>df = pd.DataFrame( data = numpy_data, columns=['value','date'])

 value date
0 64.885 2018-01-11
1 74.839 2018-01-15
2 41.481 2018-01-17
3 22.027 2018-01-17
4 53.747 2018-01-18
... ... ...
514 61.017 2018-12-22
515 68.376 2018-12-21
516 79.079 2018-12-26
517 73.975 2018-12-26
518 76.923 2018-12-26

519 rows × 2 columns
</code></pre>

And I want to plot this <code>value</code> vs <code>date</code> and I am using this

<pre><code>df.plot( x='date',y='value')
</code></pre>

And I get this

<a href="https://i.stack.imgur.com/yzEm6.png" rel="nofollow noreferrer"><img src="https://i.stack.imgur.com/yzEm6.png" alt="enter image description here"></a>

The point here, this plot have to many fluctuation, and I want to soften this, my idea is group the values by date intervals and get the mean, for example 10 days, the mean between July 1 and July 10, and create de point in July 5

A long way is, get date range, separate in N ranges with start and end dates, filter data with date calculate the mean, and put in other DataFrame

<blockquote>
 Is there a short way to do that?
</blockquote>

PD: Ignore the peaks

Pandas group values and get mean by date range

翻译质量差，导致语言生硬或混乱。

没有提供实际的解决方法或示例。

解答不清晰，无法理解或解决问题。

页面排版不美观，阅读体验差。

文章

问答

视频

教程

学习中心

腾讯云实验室

直播

竞赛

腾讯云代码分析专区

腾讯iOA零信任安全管理系统专区

腾讯云架构师技术同盟交流圈

腾讯云数据库专区

腾讯云智能顾问专区

腾讯云原生专区

腾讯混元专区

腾讯云TCE专区

腾讯云Lighthouse专区

腾讯云HAI专区

腾讯云Edgeone专区

腾讯云存储专区

腾讯云智能专区

腾讯轻联专区 

腾讯云开发专区

TAPD专区

腾讯轻量云游戏服专区

EdgeOne AI 安全实战专区

腾讯云最具价值专家

腾讯云架构师技术同盟

腾讯云创作之星

腾讯云开发者先锋

腾讯云AI代码助手

云原生构建

TAPD 敏捷项目管理

Cloud Studio

SDK中心

API中心

命令行工具

功能1上新10个字符

功能2描述100个字符功能2描述100个字符功能2描述100个字符功能2描述100个字符功能2描述100个字符功能2描述100个字符功能2描述100个字符功能2描述100个字符功能2描述100个字符。

功能2上新100个字符功能2上新100个字符功能2上新100个字符功能2上新100个字符功能2上新100个字符功能2上新100个字符功能2上新100个字符功能2上新100个字符功能2上新100个字符。

功能5描述100个字符功能5描述100个字符功能5描述100个字符功能5描述100个字符功能5描述100个字符功能5描述100个字符

功能5上新100个字符功能5上新100个字符功能5上新100个字符功能5上新100个字符功能5上新100个字符功能5上新100个字符功能5上新100个字符功能5上新100个字符功能5上新100个字符功能5上新100个字符

功能4上新

文章&问答评论现已支持表情

全新交互，全新视觉，新增快捷键、悬浮工具栏、高亮块等功能并同时优化现有功能，全面提升创作效率和体验

社区富文本编辑器全新改版！诚邀体验～ 

精选全网热门MCP server，让你的AI更好用 🚀

💥开发者 MCP广场重磅上线！

涵盖代码开发、场景应用、自动测试全流程，助你从零构建专属AI助手

一站式MCP教程库，解锁AI应用新玩法

聚焦“写作效率、视觉美观与运行性能”三方面进行全面升级，为您提供更高效、稳定的创作环境

社区富文本&Markdown编辑器全新改版上线，欢迎大家体验!

诚挚邀请您参与本次调研，分享您的真实使用感受与建议。您的反馈至关重要，感谢您的支持与参与！

社区新版编辑器体验调研

我有一个像这样的DataFramedf = pd.DataFrame( data = numpy_data, columns=['value','date'])    value   date0   64.885  2018-01-111   74.839  2018-01-152   41.481  2018-01-173   22.027  2018-01-174   53.747  2018

问熊猫群值和日期范围的平均值
EN

回答 2

Stack Overflow用户

Stack Overflow用户

社区

活动

圈层

关于

腾讯云开发者

热门产品

热门推荐

更多推荐

问熊猫群值和日期范围的平均值EN

回答 2

Stack Overflow用户

Stack Overflow用户

社区

活动

圈层

关于

腾讯云开发者

热门产品

热门推荐

更多推荐

问熊猫群值和日期范围的平均值
EN