Pandas 列拆分|天数转日期[通俗易懂]

小小码 • 2023-07-06 19:30 • 未分类 • 阅读 143

大家好，我是考100分的小小码，祝大家学习进步，加薪顺利呀。今天说一说Pandas 列拆分|天数转日期[通俗易懂],希望您对编程的造诣更进一步.

客户要求如下：

1.按要求处理p360-met文件，从第5行开始读取：

Met=pd.read_csv("P360-met.csv",skiprows=5)# 将 DateTime 列拆分为 date 和 time 列Met = Met.assign(date=Met['DateTime'].str.split("T").str[0], time=Met['DateTime'].str.split("T").str[1])#筛选每日12点Met[Met["time"]=="12:00:00Z"]

2.按要求处理p360 2017 snr文件，文件名格式：p3603650.17.snr66

#遍历所有文件
file_lst=os.listdir("./p360/")
file_lst
 #分割文件名，变为日期和天数
 df_snr.loc[row,"date"]=get_date("20"+file_date[1],file_date[0][4:7],)
#读取文件，按\t分割
Snr=pd.read_csv("./p360/"+file,sep="\t",header=None,)

# 将 a 列拆分为 多列 三列Snr = Snr.join(Snr[0].str.split(expand=True).rename(columns={0:'a', 1:'b', 2:'c',3:"d",4:"e",5:"f",6:"g",7:"h",8:"i"}))#转换G列为float类型Snr["g"]=Snr["g"].astype("float")#使用已知第几天算出是该年日期date = pd.Timestamp(year=int(year), month=1, day=1) + pd.Timedelta(days=int(day_of_year)-1)

df_snr=pd.DataFrame({"date":[]})row=0for file in file_lst:    #print(file)    file_date=file.split(".")    #分割文件名，变为日期和天数    df_snr.loc[row,"date"]=get_date("20"+file_date[1],file_date[0][4:7],)    #读取文件，按\t分割    Snr=pd.read_csv("./p360/"+file,sep="\t",header=None,)    # 将 a 列拆分为 多列 三列    Snr = Snr.join(Snr[0].str.split(expand=True).rename(columns={0:'a', 1:'b', 2:'c',3:"d",4:"e",5:"f",6:"g",7:"h",8:"i"}))    #转换G列为float类型    Snr["g"]=Snr["g"].astype("float")    #计算均值，大小值写入DF    df_snr.loc[row,"max"]=Snr["g"].max()    df_snr.loc[row,"min"]=Snr["g"].min()    df_snr.loc[row,"mean"]=Snr["g"].mean()    row+=1

3.合并表格，先将V1表与Met表合并，使用pd.merge，DateTime列 left合并

#读取V1表
V1=pd.read_csv("p360_v1.csv",skiprows=5,)
V1.reset_index(inplace=True)
V1["DateTime"]=V1["index"]
# #合并V1和Met表
V1_join=pd.merge(V1,Met[['DateTime', ' Air Pressure', ' Air Temperature', ' Relative Humidity',
   ' Wind Direction', ' Wind Speed', ' Rain', ' Hail', ' Samples/hour',]],
             on=["DateTime"],how="left"
             )
V1_join

# 将日期列转换为字符串格式
df_snr['DateTime'] = pd.to_datetime(df_snr['date']).dt.strftime('%Y-%m-%dT12:00:00Z')
df_snr

最后将3个表合并，使用pd.merge，DateTime列 left合并

result=pd.merge(V1_join,df_snr[["DateTime","max","min","mean"]],on="DateTime",how="left")
result

最后一列加上日期是本年的第几天

def get_tian(tian):
        # 创建一个日期
    date = pd.to_datetime(tian)

    # 提取日期所在的年份
    year = date.year

    # 创建一个新日期，表示当年的第一天
    first_day_of_year = pd.to_datetime(f'{year}-01-01')

    # 计算日期和当年的第一天之间的天数，并加上1
    day_of_year = (date - first_day_of_year).days + 1

    return day_of_year # 输出结果为 

 #拆分日期
result1=result.assign(date=result['DateTime'].str.split("T").str[0], time=result['DateTime'].str.split("T").str[1])
for i in range(len(result1)):
    result1.loc[i,"tian"]=get_tian(result1.loc[i,"date"])
result1

版权声明：本文内容由互联网用户自发贡献，该文观点仅代表作者本人。本站仅提供信息存储空间服务，不拥有所有权，不承担相关法律责任。如发现本站有涉嫌侵权/违法违规的内容，请发送邮件至举报，一经查实，本站将立刻删除。
转载请注明出处: https://daima100.com/11828.html

Pandas 列拆分|天数转日期[通俗易懂]

相关推荐

发表回复