Python - 查找 CSV 中的列的平均值，給定另一列中的值（來自具有多年的文件中特定年份的數據）？

Question

此代碼中使用的 CSV 文件是空氣質量傳感器數據文件。 在某些情況下，它們會在多年內每小時記錄粒子濃度。 我正在使用大約 100 個 CSV 文件。 我已經想出了如何查看每個文件並對變量進行平均而不考慮年份，但是我很難找到僅 2020 年的平均值。

代碼的目標是找出每個傳感器在 2020 年運行的平均小時數。

# import modules
import pandas as pd
import numpy as np
import matplotlib.pyplot as plt
import csv

# Read in table summarizing key variables about each Purple Air station around Pittsburgh
summary_table = pd.read_csv('Pittsburgh Hourly Averaged PM Data.csv')

# Subset the table to include only stations to be used in analysis
summary_table = summary_table[summary_table['Y/N'] == 'Y']

# Number of stations
print('Initial number of stations: ', len(summary_table))

num_hr = []

# Loop through all rows in the summary data table.  For each row, find filename
# of the station corresponding to the row and read in that station data.

hours_utc = ['00','01','02','03','04','05','06','07','08','09','10','11','12','13','14','15','16','17','18','19','20','21','22','23']
for i in summary_table.index:
    station_data = pd.read_csv('Hourly_Averages/Excel_Data/' + summary_table.at[i,'Filename'] + '.csv')
    if station_data['year'] == 2020:
    # num_hr.append(station_data['PM2.5_CF1_ug/m3'].mean())
    station_data = station_data[station_data['hr'] == h]
print(num_hr)

with open('average_hr.csv', 'w') as f:
    writer = csv.writer(f)
    writer.writerow(num_hr)

代碼使用的 CSV 示例（完整的 CSV 有數千行長，我不知道如何將完整文件放入問題中）。

 , Unnamed: 0, Unnamed: 0.1, Unnamed: 0.1.1, Unnamed: 0.1.1.1, created_at, PM1.0_CF1_ug/m3, PM2.5_CF1_ug/m3, PM10.0_CF1_ug/m3, UptimeMinutes, RSSI_dbm, Temperature_F, Humidity_%, PM2.5_ATM_ug/m3, hr, year, month, date, season
0  0           0             0               0                 2020-12-23 17:00:00 UTC 0        0.04    0.12    7.5     -39.45  71      14.85   0.04        17  2020    12  12/23/20    Winter
1  1           1             1               1                 2020-12-23 18:00:00 UTC  172.9   393.94  489.19  47.41   -36.93  76.34   14.72   261.9       18  2020    12  12/23/20    Winter
2  2           2             2               2                 2020-12-23 19:00:00 UTC  77.59   144.78  161.67  101     -37.7   76.17   15.61   95.94       19  2020    12  12/23/20    Winter
3  3           3             3               3                 2021-01-07 19:00:00 UTC  103.61  236.47  298.67  28.04   -60.39  76   14.61  157.63      19  2021    1   1/7/21  Winter
4  4           4             4               4                 2021-01-07 20:00:00 UTC  11.18   21.12   23.04   64      -59.55  78.91   13.36   19.77       20  2021    1   1/7/21  Winter
5  5           5             5               5                 2021-01-13 18:00:00 UTC  59.77   96.07   102.51  13.26   -49.52  73.78   29.48   65.32       18  2021    1   1/13/21 Winter

僅供參考，我對編碼和使用 CSV 文件還很陌生，我的問題可能有一個簡單的答案，但在查看了許多網站后，我仍然卡住了。 我很感激你們中的任何人可能得到的任何幫助。

Answer 1

想象一下這是你的桌子：

我試圖給你的想法：

如何在其他列的條件下對列執行某些操作：

import pandas as pd 

fields = ['Sensor_1','Sensor_2','Sensor_3','Year'] # you can tell pandas that fetch only these attributes 
df = pd.read_excel('myData.xlsx' , usecols=fields)

sensor1 = df.Sensor_1.mean()
for x in df:
    if(x != 'Year'):
        sensor = df[x].where(df['Year'] == 2020).sum() / 14 
        print(sensor)

結果是：

10.785714285714286  # sensor_1 avg
4.357142857142857   # sensor_2 avg
2.892857142857143   # sensor_3 avg

更多：

我知道在您閱讀代碼后，您想知道是否有任何 function 可以給您average ，答案是肯定的，並且 function 名稱是mean()但是當您使用mean()時，它將忽略那些在條件下禁用的行（ where(df['Year'] == 2020) ) 所以它會給你錯誤的結果，例如在我的示例中它會給你sum()/ 10的結果，因為 2021 年有 4 行。

這就是你所需要的，只需用我給你的代碼替換你的屬性名稱，我認為它會對你有所幫助。