Ten cuidado cuando realizes comparaciones con cadenas que representan fechas como si lo fueran. La comparación se hace mediante orden lexicográfico, según que formato tenga la fecha podemos encontrarnos con resultados no deseados. Independientemente de lo anterior, parsear la fecha a datetime
o Datetimeindex
te va a permitir usar muchos métodos asociados, por ejemplo agrupar por horas, meses, etc de forma simple, resampling...
Vamos a partir del siguiente DataFrame que es un ejemplo basado en el que muestras:
import pandas as pd
from io import StringIO
csv = StringIO('''
Fecha,Hora,Velocidad (m/s)
2010-01-01,00:00:00,3.9
2010-01-01,01:00:00,4.2
2010-01-01,02:00:00,3.5
2010-01-02,00:00:00,2.5
2010-01-02,01:00:00,2.8
2010-01-02,01:00:00,3.4
2010-02-01,00:00:00,2.1
2010-02-01,01:00:00,1.6
2010-02-01,02:00:00,4.2
2010-02-02,00:00:00,2.5
2010-02-02,01:00:00,3.7
2010-02-02,02:00:00,3.2
''')
df = pd.read_csv(csv, dayfirst=True, index_col=0,
parse_dates = {'Fecha_': ['Fecha','Hora']}
)
Parseamos las columnas Fecha
y Hora
para agrupar ambas en un DatetimeIndex, el DataFrame que obtenemos es:
>>> df
Velocidad (m/s)
Fecha_
2010-01-01 00:00:00 3.9
2010-01-01 01:00:00 4.2
2010-01-01 02:00:00 3.5
2010-01-02 00:00:00 2.5
2010-01-02 01:00:00 2.8
2010-01-02 01:00:00 3.4
2010-02-01 00:00:00 2.1
2010-02-01 01:00:00 1.6
2010-02-01 02:00:00 4.2
2010-02-02 00:00:00 2.5
2010-02-02 01:00:00 3.7
2010-02-02 02:00:00 3.2
Una vez que tenemos esto, dado que quieres obtener la media de cada hora por meses basta con usar groupby
, agrupar por mes y por hora y aplicar mean
:
medias = df.groupby([df.index.year,
df.index.month,
df.index.hour])['Velocidad (m/s)'].mean()
medias.index.names = ["Año", "Mes", "Hora"]
Con esto ya tenemos una Serie con las medias por hora de cada mes:
>>> medias
Año Mes Hora
2010 1 0 3.200000
1 3.466667
2 3.500000
2 0 2.300000
1 2.650000
2 3.700000
Name: Velocidad (m/s), dtype: float64