Question

我有一个数据框，其中包含1990年至2019年25个不同地点的每小时温度数据。我想计算一个值高于或低于某个阈值的小时数，然后将其绘制为每年的小时数总和。我知道我可以使用条形图或直方图进行绘制，但是不确定如何汇总数据以执行此任务。

数据框：

time                 Antwerp       Rotterdam  ...
1990-01-01 00:00:00  2             4          ...
1990-01-01 01:00:00  3             4          ...
1990-01-01 02:00:00  2             4          ...
...

我需要使用groupby函数吗？

示例数据以演示：

time                    Antwerp Rotterdam   Los Angeles
0   1990-01-01 00:00:00 0       2           15
1   1990-01-01 01:00:00 1       4           14
2   1990-01-01 02:00:00 3       5           15
3   1990-01-01 03:00:00 2       6           16

现在，我正在寻找一个城市在1990年内等于或小于5度的小时数。预期产量：

time    Antwerp Rotterdam   Los Angeles
1990    4       3           0

理想情况下，我希望能够选择所需的任何温度值。

Answer 1

我认为您需要DatetimeIndex，例如通过DataFrame.gt得到更大的值，然后通过汇总True计算sum的值：

df['time'] = pd.to_datetime(df['time'])
df = df.set_index('time')

N = 2
df = df.gt(N).groupby(df.index.year).sum()
print (df)
      Antwerp  Rotterdam
time                    
1990      0.0        1.0
1991      1.0        2.0

如果要降低或相等，请使用DataFrame.le：

N = 3
df = df.le(N).groupby(df.index.year).sum()
print (df)
      Antwerp  Rotterdam
time                    
1990      1.0        0.0
1991      2.0        0.0

Answer 2

这不使用熊猫函数。

# get the time column as a list by timelist = list(df['time'])
def get_hour_ud(df, threshold):
    # timelist = list(df['time'])
    # df['time'] = ['1990-01-01 00:00:00', '1990-01-01 01:00:00', '1990-01-01 02:00:00'] # remove this line
    timelist = list(df['time'])
    hour_list = [int(a.split(' ')[1].split(':')[0]) for a in timelist]
    up_cnt = sum(a>threshold for a in hour_list)
    low_cnt = sum(a<threshold for a in hour_list)
    print(up_cnt)
    print(low_cnt)
    return up_cnt, low_cnt

每年数据框值的绘制频率

2 个答案: