Python 在for循环中访问过去的日期时间

我目前正在处理一个问题，现在不得不执行其中一个步骤。为了探索可能性，我制作了下面的示例，这是一个简单的场景。这篇文章的篇幅可能很吓人，但这只是我试图更好地解释它

现在的情况是，每秒钟都有一个for循环，变量_1，它是用来设置

变量_2

的参考值。这段代码的作用是，每秒钟，它都会将

变量_1[i]

与

变量_2i

进行比较，如果差值大于1.5，则更新

变量_2i

。最后，结果存储在

变量2

中

import pandas as pd
import numpy as np

df = pd.DataFrame()
start = pd.Timestamp('2013-08-14T00:00')
end = pd.Timestamp('2013-08-14T01:00')
t = np.linspace(start.value, end.value, 60*60+1)
df['Timestamp'] = pd.to_datetime(t)
df['Variable_1'] = 270 +  90*np.sin(2*np.pi*1*np.arange(3601)/3601)

Variable_2i = 270
Variable_2 = np.array([])

for i,val in enumerate(df['Variable_1'].values):    
    if abs(val - Variable_2i) >= 1.5:
        Variable_2i = val
    else:    
        Variable_2i = Variable_2i

    Variable_2 = np.append(Variable_2, Variable_2i)

df['Variable_2'] = Variable_2

但是，假设现在我希望以每秒0.3个单位的速率更新

变量_2i

，直到它达到满足条件的值为止。这意味着我没有期望得到这样的结果，而是得到了类似的结果：

               Timestamp  Variable_1  Variable_2
0    2013-08-14 00:00:00  270.000000  270.000000
1    2013-08-14 00:00:01  270.157036  270.000000
2    2013-08-14 00:00:02  270.314071  270.000000
3    2013-08-14 00:00:03  270.471106  270.000000
4    2013-08-14 00:00:04  270.628139  270.000000
5    2013-08-14 00:00:05  270.785170  270.000000
6    2013-08-14 00:00:06  270.942199  270.000000
7    2013-08-14 00:00:07  271.099225  270.000000
8    2013-08-14 00:00:08  271.256247  270.000000
9    2013-08-14 00:00:09  271.413266  270.000000
10   2013-08-14 00:00:10  271.570280  271.570280
11   2013-08-14 00:00:11  271.727290  271.570280
12   2013-08-14 00:00:12  271.884294  271.570280
13   2013-08-14 00:00:13  272.041293  271.570280
14   2013-08-14 00:00:14  272.198286  271.570280
15   2013-08-14 00:00:15  272.355271  271.570280

我会得到这样的东西：

               Timestamp  Variable_1  Variable_2
0    2013-08-14 00:00:00  270.000000  270.000000
1    2013-08-14 00:00:01  270.157036  270.000000
2    2013-08-14 00:00:02  270.314071  270.000000
3    2013-08-14 00:00:03  270.471106  270.000000
4    2013-08-14 00:00:04  270.628139  270.000000
5    2013-08-14 00:00:05  270.785170  270.000000
6    2013-08-14 00:00:06  270.942199  270.000000
7    2013-08-14 00:00:07  271.099225  270.000000
8    2013-08-14 00:00:08  271.256247  270.000000
9    2013-08-14 00:00:09  271.413266  270.000000
10   2013-08-14 00:00:10  271.570280  270.300000
11   2013-08-14 00:00:11  271.727290  270.600000
12   2013-08-14 00:00:12  271.884294  270.900000
13   2013-08-14 00:00:13  272.041293  271.200000
14   2013-08-14 00:00:14  272.198286  271.500000
15   2013-08-14 00:00:15  272.355271  271.570280

注意列变量_2的最后一个值的差异，以便更好地理解我的意思。从目前为止我自己的想法来看，必须有一种方法来保持引用值，而不必在for循环中更新或访问过去的datetime，但是由于我对python非常陌生，我不确定这种想法是否存在

---

希望我能做到简明扼要。我非常感谢你在这件事上的帮助

希望我能理解你在这里寻找什么

在for循环外部声明一个

target

变量。这将保存将在

0.3的步骤中移动的值：

target = Variable_2i

if target != Variable_2i:
    separation = target - Variable_2i
    if abs(separation) > 0.3:
        Variable_2i += 0.3 if separation > 0 else -0.3
    else:
        Variable_2i = target

每当达到指定的
val
阈值时设置
目标
，并且
变量_2i
的差值大于或等于
1.5
：

if abs(val - Variable_2i) >= 1.5:
    target = val

在循环时，如果
目标
大于
变量_2i
，则希望通过
0.3
步向它：

target = Variable_2i

if target != Variable_2i:
    separation = target - Variable_2i
    if abs(separation) > 0.3:
        Variable_2i += 0.3 if separation > 0 else -0.3
    else:
        Variable_2i = target

把这一切放在一起：

Variable_2i = 270
target = Variable_2i
Variable_2 = np.array([])

for val in df['Variable_1'].values:
    if target != Variable_2i:
        separation = target - Variable_2i
        if abs(separation) > 0.3:
            Variable_2i += 0.3 if separation > 0 else -0.3
        else:
            Variable_2i = target
    elif abs(val - Variable_2i) >= 1.5:
        target = val

    Variable_2 = np.append(Variable_2, Variable_2i)

df['Variable_2'] = Variable_2

注意：这将朝着最初触发更改的方向前进，直到它到达为止，即使实际值向后摆动。
快速提示：不要使用
.values
，除非绝对必要，否则不要显式迭代数据帧或序列。这应该是最后的手段。