使用 pandas 计算不规则时间序列的每日平均值

我正在尝试从 csv 文件的不规则时间序列中获取每日平均值。

csv 文件中的数据从 2013 年 9 月 20 日 13:00 开始，一直持续到 2014 年 1 月 14 日 10:57：

Time                    Values
20/09/2013 13:00        5.133540
20/09/2013 13:01        5.144993
20/09/2013 13:02        5.158208
20/09/2013 13:03        5.170542
20/09/2013 13:04        5.167899    
20/09/2013 13:25        5.168780
20/09/2013 13:26        5.179351
...

我用以下命令导入它们：

import pandas as pd
data = pd.read_csv('<file name>', parse_dates={'Timestamp':'Time']},index_col='Timestamp')

这导致

                           Values
Timestamp                          
2013-09-20 13:00:00        5.133540
2013-09-20 13:01:00        5.144993
2013-09-20 13:02:00        5.158208
2013-09-20 13:03:00        5.170542
2013-09-20 13:04:00        5.167899
2013-09-20 13:25:00        5.168780
2013-09-20 13:26:00        5.179351
...

然后我就这么做了

dataDailyAv = data.resample('D', how = 'mean')

这导致

                  Values
Timestamp                 
2013-01-10        8.623744
2013-01-11             NaN
2013-01-12             NaN
2013-01-13             NaN
2013-01-14             NaN
...

换句话说，结果包含原始数据中未出现的日期，并且对于其中一些日期（例如 2013 年 1 月 10 日），甚至出现了一个值。

关于出了什么问题有什么想法吗？

Thanks.

编辑：显然日期解析出现问题：01/10/2013 被解释为 2013 年 1 月 10 日，而不是 2013 年 10 月 1 日。这可以通过编辑 csv 文件中的日期格式来解决，但有没有办法指定read_csv中的日期格式？

你要dayfirst=True，其中列出的众多调整之一read_csv 文档 http://pandas.pydata.org/pandas-docs/stable/generated/pandas.io.parsers.read_csv.html.