本文介绍如何使用pandas读取气象csv数据，提取rh（相对湿度）列，安全剔除缺失值后计算其全局平均值，并给出可直接运行的代码及关键注意事项。
本文介绍如何使用pandas读取气象csv数据，提取rh（相对湿度）列，安全剔除缺失值后计算其全局平均值，并给出可直接运行的代码及关键注意事项。
在处理实测气象时间序列数据时，缺失值（NaN）是常见问题。以芬兰Jyväskylä站点的小时级观测CSV文件为例，其中RH列代表相对湿度（Relative Humidity），目标是计算该列在整个时间跨度内的算术平均值，且严格排除所有NaN项——这等价于对非空观测值求均值，而非用零或插值填充后计算。
实现步骤简洁明确：
- 加载数据：使用 pandas.read_csv() 读入CSV文件；
- 提取并清洗：通过 df['RH'] 获取Series，再调用 .dropna() 移除所有NaN，返回仅含有效数值的新Series；
- 计算均值：对清洗后的Series直接调用 .mean()，pandas默认跳过NaN（即使未显式dropna亦可，但显式清洗更清晰、可控）。
以下是完整、健壮的示例代码：
import pandas as pd # 替换为你的实际文件路径（如 'jyvaskyla_weather_2023.csv'） file_path = '[CSV_NAME]' # ← 此处需替换为真实文件名，如 'weather_data.csv' # 读取数据 df = pd.read_csv(file_path) # 提取RH列，删除NaN，计算平均值（结果为float） average_rh = df['RH'].dropna().mean() # 输出结果（题目要求：数字-only） print(average_rh)
⚠️ 关键注意事项：
- [CSV_NAME] 并非变量或语法，而是题干中对待分析CSV文件名的占位符，实际使用时必须替换为真实路径（如 'data.csv' 或 './raw/jyvaskyla_2020-2023.csv'）；
- 若RH列不存在，代码将抛出 KeyError；建议添加存在性检查：if 'RH' not in df.columns: raise ValueError("Column 'RH' not found")；
- .mean() 对空Series返回 nan，因此若数据中RH全为NaN，结果将为nan——可根据业务需求追加判断（如 if pd.isna(average_rh): print("No valid RH data")）；
- 本方法计算的是简单算术平均，不涉及时间加权；若需按小时权重（如不同月份天数差异）计算加权平均，需额外构造权重列。
最终输出仅为一个浮点数，符合题目“number only”的严格要求。
