一个excel表中每年每月每日有几千条数据，利用python代码求解出每日数据的平均值，将结果写入新的excel表中

你可以使用Python的pandas库和xlrd库来处理Excel文件，并计算每日数据的平均值。下面是一个示例代码：

import pandas as pd

# 读取原始Excel文件
df = pd.read_excel('原始数据.xlsx')

# 将日期列转换为日期类型
df['日期'] = pd.to_datetime(df['日期'])

# 提取年份、月份和日
df['年份'] = df['日期'].dt.year
df['月份'] = df['日期'].dt.month
df['日'] = df['日期'].dt.day

# 计算每日数据的平均值
average_data = df.groupby(['年份', '月份', '日'])['数据'].mean().reset_index()

# 将结果写入新的Excel文件
average_data.to_excel('每日数据平均值.xlsx', index=False)

请将代码中的`原始数据.xlsx`替换为你实际的原始数据文件名，代码会生成一个名为`每日数据平均值.xlsx`的新Excel文件，其中包含了每日数据的平均值。

相关问题

一个excel表中每年每月每个工作日有几千条数据，利用python代码求解出每个工作日数据的平均值，将结果写入新的excel表中

你可以使用Python的pandas库和xlrd库来处理Excel文件，并计算每个工作日数据的平均值。以下是一个示例代码：

import pandas as pd

# 读取原始Excel文件
df = pd.read_excel('原始数据.xlsx')

# 将日期列转换为日期类型
df['日期'] = pd.to_datetime(df['日期'])

# 提取年份、月份和星期几
df['年份'] = df['日期'].dt.year
df['月份'] = df['日期'].dt.month
df['星期几'] = df['日期'].dt.weekday

# 过滤出工作日数据
workday_data = df[df['星期几'] < 5]

# 计算每个工作日数据的平均值
average_data = workday_data.groupby(['年份', '月份', '星期几'])['数据'].mean().reset_index()

# 将结果写入新的Excel文件
average_data.to_excel('每个工作日数据平均值.xlsx')

请将代码中的`原始数据.xlsx`替换为你实际的原始数据文件名，代码会生成一个名为`每个工作日数据平均值.xlsx`的新Excel文件，其中包含了每个工作日数据的平均值。注意，代码中假设星期一到星期五为工作日，星期六和星期日为非工作日。如果你的工作日定义不同，请相应地调整代码中的条件。

一个excel表中2022年每月每个工作日有几千条数据，利用python代码求解出每个工作日数据的平均值，将结果写入新的excel表中

可以使用Python的pandas库和xlrd库来处理Excel文件，并计算每个工作日数据的平均值。下面是一个示例代码：

import pandas as pd

# 读取原始Excel文件
df = pd.read_excel('原始数据.xlsx')

# 将日期列转换为日期类型
df['日期'] = pd.to_datetime(df['日期'])

# 提取年份和月份
df['年份'] = df['日期'].dt.year
df['月份'] = df['日期'].dt.month

# 过滤出2022年的数据
df_2022 = df[df['年份'] == 2022]

# 计算每个工作日数据的平均值
average_data = df_2022.groupby(['月份', '日期']).mean()

# 将结果写入新的Excel文件
average_data.to_excel('每个工作日数据平均值.xlsx')

请将代码中的`原始数据.xlsx`替换为你实际的原始数据文件名，代码会生成一个名为`每个工作日数据平均值.xlsx`的新Excel文件，其中包含了每个工作日数据的平均值。