### 使用 Pandas 处理 Excel 数据并按小时计算均值 要实现通过 Python 和 Pandas 对 Excel 文件中的数据进行读取，并按照每个小时来计算平均值，可以遵循以下方法： #### 1. 导入必要的库 首先需要导入 `pandas` 库以及用于操作日期时间的功能模块。 ```python import pandas as pd ``` #### 2. 加载 Excel 数据 假设 Excel 文件中有一个名为 "data" 的工作表，其中包含时间和数值列。可以通过如下方式加载文件： ```python df = pd.read_excel('your_file.xlsx', sheet_name='data') ``` 如果时间存储在一列（例如命名为 'timestamp'），则需将其转换为 Pandas 的 DateTime 类型以便进一步处理[^1]。 ```python df['timestamp'] = pd.to_datetime(df['timestamp']) ``` #### 3. 设置索引为时间戳 为了更方便地执行基于时间段的操作，可将 DataFrame 的索引设置为时间戳字段。 ```python df.set_index('timestamp', inplace=True) ``` #### 4. 按小时聚合求均值 利用重采样功能 (resampling)，可以根据指定的时间频率重新整理数据集。对于按小时计算的平均值来说，使用 `'H'` 表示小时级别即可。 ```python hourly_avg = df.resample('H').mean() ``` 此命令会返回一个新的 DataFrame，其每一行代表原始数据集中对应小时内所有记录的算术平均数[^1]。 #### 完整代码示例 以下是完整的脚本展示如何完成整个流程： ```python import pandas as pd # Step 1: Load data from an Excel file. df = pd.read_excel('example_data.xlsx') # Ensure that the timestamp column is properly recognized as a datetime object. df['timestamp'] = pd.to_datetime(df['timestamp']) # Set this new datetime column to be our index, so we can use time-based resampling methods easily later on. df.set_index('timestamp', inplace=True) # Resample and calculate mean per hour using .resample() method with frequency string 'H'. hourly_average_df = df.resample('H').mean() print(hourly_average_df.head()) ``` 以上就是关于如何用 Python 结合 Pandas 来对来自 Excel 的数据做逐小时统计平均的方法介绍[^1]。 ---