Question

我目前正在研究一个问题，现在被困在执行其中一个步骤中。为了弥补可能性，我组成了以下示例，这是一个简单的场景。文本的长度可能很吓人，但这只是我试图更好地解释它。

这是怎么回事，我每秒都有一个for循环，我有Variable_1，这是一个用于设置Variable_2的参考值。此代码上发生的事情是，每秒将Variable_1[i]与Variable_2i进行比较，如果差异大于1.5，则会更新Variable_2i。最后，结果存储在Variable_2。

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Variable_2i的更新速度为每秒0.3个单位，直到达到满足条件的值为止。这意味着与其期待我得到的结果，不如说是类似的东西：

               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  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

请注意列Variable_2 的最后一个值的区别，以便更好地理解我的意思。从到目前为止我自己的想法来看，必须有一种方法可以保持引用值而不被更新或在for循环中访问过去的日期时间，但是由于我对python很陌生，所以我不确定是否存在这种想法

希望我能做到简洁明了。非常感谢您在此方面的帮助！

Answer 1

希望我在这里了解您要寻找的东西。

在for循环外声明一个target变量。这将保存将要在0.3步中移动的值：

target = Variable_2i

只要达到target的指定阈值，并且val的差值大于或等于Variable_2i，就设置1.5：

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

遍历时，如果target大于您的Variable_2i，则想通过0.3迈向它：

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

将所有内容放在一起：

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：这将首先触发触发更改的任何内容，直到实际值向另一个方向摆动为止。

在for循环中访问过去的日期时间

1 个答案: