如何将小时划分为15米的间隔并分配数值​；python中每小时的时间？

。 .

我将其保存在excel文件中，并希望在python中进行这些更改。最初，我将数据集上载到数据帧。

---

有人能帮我吗？

我会给你一个示例代码：

| Month     | day | hour | Temperature |
|-----------|-----|------|-------------|
| September | 01  | 0:00 | 19,11       |
| September | 01  | 1:00 | 18,67       |
| September | 01  | 2:00 | 18,22       |
| September | 01  | 3:00 | 17,77       |


convert to:

| Month     | day | hour | Temperature |
|-----------|-----|------|-------------|
| September | 01  | 0:00 | T = 19,11       |
| September | 01  | 0:15 | T2 = T + (18,67 - 19,11)/ 4 |
| September | 01  | 0:30 | T3 = T2 + (18,67 - 19,11)/4  |
| September | 01  | 0:45 | T4 = T3 + (18,67 - 19,11)/4 |
| September | 01  | 1:00 | T = 18,67                       |
| September | 01  | 1:15 | T2 = T + (18,22 - 18,67)/ 4 |
| September | 01  | 1:30 | T3 = T2 + (18,22 - 18,67)/4  |
| September | 01  | 1:45 | T4 = T3 + (18,22 - 18,67)/4 |
| September | 01  | 2:00 | T = 18,22       |

---

x:

x = df.Temperature.str.split(",", expand=True)

y = x[0].astype(int).diff().div(4).fillna(x.iloc[0,0]).astype(float).cumsum()

---

y:

x = df.Temperature.str.split(",", expand=True)

y = x[0].astype(int).diff().div(4).fillna(x.iloc[0,0]).astype(float).cumsum()

对其他列也执行此操作，然后将它们合并在一起以获得“

”，“

第一阶段：重采样：

---

df1:

x = df.Temperature.str.split(",", expand=True)

y = x[0].astype(int).diff().div(4).fillna(x.iloc[0,0]).astype(float).cumsum()

第二阶段

编辑2：

---

v:

x = df.Temperature.str.split(",", expand=True)

y = x[0].astype(int).diff().div(4).fillna(x.iloc[0,0]).astype(float).cumsum()

---

我将给您一个示例代码：

| Month     | day | hour | Temperature |
|-----------|-----|------|-------------|
| September | 01  | 0:00 | 19,11       |
| September | 01  | 1:00 | 18,67       |
| September | 01  | 2:00 | 18,22       |
| September | 01  | 3:00 | 17,77       |


convert to:

| Month     | day | hour | Temperature |
|-----------|-----|------|-------------|
| September | 01  | 0:00 | T = 19,11       |
| September | 01  | 0:15 | T2 = T + (18,67 - 19,11)/ 4 |
| September | 01  | 0:30 | T3 = T2 + (18,67 - 19,11)/4  |
| September | 01  | 0:45 | T4 = T3 + (18,67 - 19,11)/4 |
| September | 01  | 1:00 | T = 18,67                       |
| September | 01  | 1:15 | T2 = T + (18,22 - 18,67)/ 4 |
| September | 01  | 1:30 | T3 = T2 + (18,22 - 18,67)/4  |
| September | 01  | 1:45 | T4 = T3 + (18,22 - 18,67)/4 |
| September | 01  | 2:00 | T = 18,22       |

---

x:

x = df.Temperature.str.split(",", expand=True)

y = x[0].astype(int).diff().div(4).fillna(x.iloc[0,0]).astype(float).cumsum()

---

y:

x = df.Temperature.str.split(",", expand=True)

y = x[0].astype(int).diff().div(4).fillna(x.iloc[0,0]).astype(float).cumsum()

对其他列也执行此操作，然后将它们合并在一起以获得“

”，“

第一阶段：重采样：

---

df1:

x = df.Temperature.str.split(",", expand=True)

y = x[0].astype(int).diff().div(4).fillna(x.iloc[0,0]).astype(float).cumsum()

第二阶段

编辑2：

---

v:

x = df.Temperature.str.split(",", expand=True)

y = x[0].astype(int).diff().div(4).fillna(x.iloc[0,0]).astype(float).cumsum()

---

有

熊猫

内置的工具来实现这一点；主要的障碍是将数据转换成更友好的格式。这里是“最坏情况”，时间戳在列上分开，温度使用逗号作为小数，所有内容都是字符串：

df['hour'] = pd.to_datetime(df['hour'], format='%H:%M')
df.set_index('hour', inplace=True)
v = df.resample('15T').bfill().reset_index()

v[['temp1', 'temp2']] = v.Temperature.str.split(",", expand=True)
v['temp1'] = v['temp1'].astype(int)
v['temp2'] = v['temp2'].astype(int)

t = v.groupby(v['hour'].dt.hour)
    
def calc(val1, val2):
    diff1 = (val1['temp1']-val2['temp1'])
    diff1.iloc[0]= val1['temp1'].iloc[0]*4
    
    diff2 = (val1['temp2']-val2['temp2'])
    diff2.iloc[0]= val1['temp2'].iloc[0]*4
    
    t1_group = diff1.div(4).cumsum()
    t2_group = diff2.div(4).cumsum()
    
    return list(zip(t1_group, t2_group))

concat_res = []
for _, gr in t:
     concat_res.append(calc(gr, gr.iloc[0]))

flatten = lambda t: [item for sublist in t for item in sublist]
v['Temperature'] = flatten(concat_res)
v = v.drop(['temp1', 'temp2'],axis=1)

以下是如何使用

pd.to_datetime

将时间信息转换为datetime对象：

import pandas as pd

df = pd.DataFrame({'month': 'September',
                   'day': '01',
                   'hour': ['0:00', '1:00', '2:00', '3:00'],
                   'temperature': ['19,11', '18,67', '18,22', '17,77']})

#        month day  hour temperature
# 0  September  01  0:00       19,11
# 1  September  01  1:00       18,67
# 2  September  01  2:00       18,22
# 3  September  01  3:00       17,77

下面是如何将温度转换为浮点数：

dates = df['hour'] + ', ' + df['month'] + ' ' + df['day'] + ', ' + '2020'
dates = pd.to_datetime(dates)

然后，您可以创建一个新的数据框，其中只包含日期和温度，

重新采样

和

插值

，以获得估算的温度：

temps = df['temperature'].str.replace(',', '.').astype(float)

结果:

df = pd.DataFrame({'temperature': temps.values},
                  index=dates)
result = df.resample('15T').interpolate()

---

如果要将时间信息返回到单独的列，可以执行以下操作：

                     temperature
2020-09-01 00:00:00      19.1100
2020-09-01 00:15:00      19.0000
2020-09-01 00:30:00      18.8900
2020-09-01 00:45:00      18.7800
2020-09-01 01:00:00      18.6700
2020-09-01 01:15:00      18.5575
2020-09-01 01:30:00      18.4450
2020-09-01 01:45:00      18.3325
2020-09-01 02:00:00      18.2200
2020-09-01 02:15:00      18.1075
2020-09-01 02:30:00      17.9950
2020-09-01 02:45:00      17.8825
2020-09-01 03:00:00      17.7700

结果现在是：

formatted = result.index.strftime('%B,%d,%H:%M').str.split(',').to_list()
result[['month', 'day','hour']] = formatted
result = result.reset_index(drop=True)

有
pandas
内置的工具来实现这一点；主要的障碍是将数据转换成更友好的格式。这里是“最坏情况”，时间戳在列上分开，温度使用逗号作为小数，所有内容都是字符串：

df['hour'] = pd.to_datetime(df['hour'], format='%H:%M')
df.set_index('hour', inplace=True)
v = df.resample('15T').bfill().reset_index()

v[['temp1', 'temp2']] = v.Temperature.str.split(",", expand=True)
v['temp1'] = v['temp1'].astype(int)
v['temp2'] = v['temp2'].astype(int)

t = v.groupby(v['hour'].dt.hour)
    
def calc(val1, val2):
    diff1 = (val1['temp1']-val2['temp1'])
    diff1.iloc[0]= val1['temp1'].iloc[0]*4
    
    diff2 = (val1['temp2']-val2['temp2'])
    diff2.iloc[0]= val1['temp2'].iloc[0]*4
    
    t1_group = diff1.div(4).cumsum()
    t2_group = diff2.div(4).cumsum()
    
    return list(zip(t1_group, t2_group))

concat_res = []
for _, gr in t:
     concat_res.append(calc(gr, gr.iloc[0]))

flatten = lambda t: [item for sublist in t for item in sublist]
v['Temperature'] = flatten(concat_res)
v = v.drop(['temp1', 'temp2'],axis=1)

以下是如何使用
pd.to_datetime
将时间信息转换为datetime对象：

import pandas as pd

df = pd.DataFrame({'month': 'September',
                   'day': '01',
                   'hour': ['0:00', '1:00', '2:00', '3:00'],
                   'temperature': ['19,11', '18,67', '18,22', '17,77']})

#        month day  hour temperature
# 0  September  01  0:00       19,11
# 1  September  01  1:00       18,67
# 2  September  01  2:00       18,22
# 3  September  01  3:00       17,77

下面是如何将温度转换为浮点数：

dates = df['hour'] + ', ' + df['month'] + ' ' + df['day'] + ', ' + '2020'
dates = pd.to_datetime(dates)

然后，您可以创建一个新的数据框，其中只包含日期和温度，
重新采样
和
插值
，以获得估算的温度：

temps = df['temperature'].str.replace(',', '.').astype(float)

结果:

df = pd.DataFrame({'temperature': temps.values},
                  index=dates)
result = df.resample('15T').interpolate()


如果要将时间信息返回到单独的列，可以执行以下操作：

                     temperature
2020-09-01 00:00:00      19.1100
2020-09-01 00:15:00      19.0000
2020-09-01 00:30:00      18.8900
2020-09-01 00:45:00      18.7800
2020-09-01 01:00:00      18.6700
2020-09-01 01:15:00      18.5575
2020-09-01 01:30:00      18.4450
2020-09-01 01:45:00      18.3325
2020-09-01 02:00:00      18.2200
2020-09-01 02:15:00      18.1075
2020-09-01 02:30:00      17.9950
2020-09-01 02:45:00      17.8825
2020-09-01 03:00:00      17.7700

结果现在是：

formatted = result.index.strftime('%B,%d,%H:%M').str.split(',').to_list()
result[['month', 'day','hour']] = formatted
result = result.reset_index(drop=True)

提示：
.diff
和
cumsum（）
每小时重复4行，然后每小时添加一个排名列。我在python编程方面有一些困难。你能给我举个小例子看看我是否理解吗？我的建议是：创建一列pandas timeseries（使用
pd.to\u dateime
），为空的15分钟间隔创建新行，而不是“Temperature”列。我想你可以用
插值
来创建新行。我不太懂。温度计算应如问题所示。感谢您的耐心。提示：
.diff
和
cumsum（）
每小时重复4行，然后每小时添加一个排名列。我在python编程方面有一些困难。你能给我举个小例子看看我是否理解吗？我的建议是：创建一列pandas timeseries（使用
pd.to\u dateime
），为空的15分钟间隔创建新行，而不是“Temperature”列。我想你可以用
插值
来创建新行。我不太懂。温度计算应如问题所示。谢谢你的耐心。我不明白为什么要分开温度。我的想法是做一个“for”循环，遍历具有温度的数据帧。然后，另一个“for”循环在数据框上写下4:4，每15分钟写一次日期。将它们分开的想法是为了使计算更容易。您也可以使用apply来执行此操作，而无需执行此操作。我会更新我的答案。@MárioPires:我已经更新了我的答案。问题是如果你不把它们分开，它会增加不必要的复杂性。这就是为什么最好先分开，然后用拉链把它们合在一起。我不明白分开温度的原因。我的想法是做一个“for”循环，遍历具有温度的数据帧。然后，另一个“for”循环在数据框上写下4:4，每15分钟写一次日期。将它们分开的想法是为了使计算更容易。您也可以使用apply来执行此操作，而无需执行此操作。我会更新我的答案。@MárioPires:我已经更新了我的答案。问题是如果你不把它们分开，它会增加不必要的复杂性。这就是为什么最好使用zip拆分然后合并它们。