计算每天最大值、最小值

rsj0315

该文件的DT-DL01#81_DQ701列是数值

下列代码是计算出每天的DT-DL01#81_DQ701列的最大值和最小值。

问题一：
如果以上午10点作为分界线，去计算每天的最大值和最小值；也就是上午十点到第二天上午十点前这个周期的内最大值和最小值。

问题二：
如果以上午10点到下午10点为白班，下午10点到第二天上午10点位夜班，如何求出每天每个班次的最大值和最小值。

1. import pandas as pd
   
2. 
   
3. # 读取CSV文件
   
4. data = pd.read_csv('your_data.csv')
   
5. 
   
6. # 将时间戳列转换为datetime类型
   
7. data['timestamp'] = pd.to_datetime(data['timestamp'])
   
8. 
   
9. # 提取每天的最大和最小量值行
   
10. daily_max_min = data.groupby(data['timestamp'].dt.date)['value'].agg(['max', 'min'])
    
11. 
    
12. # 输出结果
    
13. print(daily_max_min)
    

复制代码

ElectricMeterDB.zip (15.06 KB, 下载次数: 2)

2023-7-12 22:17 上传

点击文件名下载附件

歌者文明清理员

问题一的代码解答如下：

1. import pandas as pd
   
2. 
   
3. # 读取CSV文件
   
4. data = pd.read_csv('your_data.csv')
   
5. 
   
6. # 将时间戳列转换为datetime类型
   
7. data['timestamp'] = pd.to_datetime(data['timestamp'])
   
8. 
   
9. # 设置上午10点作为分界线
   
10. boundary_time = pd.to_datetime('10:00:00').time()
    
11. 
    
12. # 过滤出符合条件的数据
    
13. filtered_data = data[data['timestamp'].dt.time >= boundary_time]
    
14. 
    
15. # 提取每天的最大和最小量值行
    
16. daily_max_min = filtered_data.groupby(filtered_data['timestamp'].dt.date)['value'].agg(['max', 'min'])
    
17. 
    
18. # 输出结果
    
19. print(daily_max_min)
    

复制代码

问题二的代码解答如下：

1. import pandas as pd
   
2. 
   
3. # 读取CSV文件
   
4. data = pd.read_csv('your_data.csv')
   
5. 
   
6. # 将时间戳列转换为datetime类型
   
7. data['timestamp'] = pd.to_datetime(data['timestamp'])
   
8. 
   
9. # 设置上午10点和下午10点作为白班和夜班的分界线
   
10. morning_shift_end = pd.to_datetime('10:00:00').time()
    
11. night_shift_end = pd.to_datetime('22:00:00').time()
    
12. 
    
13. # 根据班次划分数据
    
14. morning_shift_data = data[(data['timestamp'].dt.time >= morning_shift_end) & (data['timestamp'].dt.time < night_shift_end)]
    
15. night_shift_data = data[(data['timestamp'].dt.time >= night_shift_end) | (data['timestamp'].dt.time < morning_shift_end)]
    
16. 
    
17. # 提取每天每个班次的最大和最小量值行
    
18. morning_shift_max_min = morning_shift_data.groupby(morning_shift_data['timestamp'].dt.date)['value'].agg(['max', 'min'])
    
19. night_shift_max_min = night_shift_data.groupby(night_shift_data['timestamp'].dt.date)['value'].agg(['max', 'min'])
    
20. 
    
21. # 输出结果
    
22. print("白班最大值和最小值：")
    
23. print(morning_shift_max_min)
    
24. print("夜班最大值和最小值：")
    
25. print(night_shift_max_min)

复制代码

请注意，以上代码中的'your_data.csv'应替换为实际的数据文件路径。

rsj0315

第一问是不是可以参考直接将时间按照时区给调10个小时过去，然后用上述代码跑，计算出来的最大和最小就满足了？

第二问想不出方法

歌者文明清理员

rsj0315 发表于 2023-7-12 22:34
第一问是不是可以参考直接将时间按照时区给调10个小时过去，然后用上述代码跑，计算出来的最大和最小就满足 ...

2#

rsj0315

rsj0315 发表于 2023-7-12 22:34
第一问是不是可以参考直接将时间按照时区给调10个小时过去，然后用上述代码跑，计算出来的最大和最小就满足 ...

data['timestamp'] = data['timestamp'] - timedelta(hours=10)
第一问加这个确实计算正确

歌者文明清理员

rsj0315 发表于 2023-7-12 22:37
data['timestamp'] = data['timestamp'] - timedelta(hours=10)
第一问加这个确实计算正确

2# 我的答案对吗

rsj0315

歌者文明清理员 发表于 2023-7-12 22:33
问题一的代码解答如下：

问题二的代码解答如下：

第一问答案不对，实际7-11最大和最小应该是537770-----535310

你的代码跑出来的是537058------535310

也就是11日最大值，你的代码取得是11日24h的，实际应该取12日10时的

歌者文明清理员

rsj0315 发表于 2023-7-12 23:06
第一问答案不对，实际7-11最大和最小应该是537770-----535310

你的代码跑出来的是537058------535310
...

非常抱歉给出的代码有误。以下是修正后的代码：

python

1. import pandas as pd
   
2. 
   
3. # 读取CSV文件
   
4. data = pd.read_csv('your_data.csv')
   
5. 
   
6. # 将时间戳列转换为datetime类型
   
7. data['timestamp'] = pd.to_datetime(data['timestamp'])
   
8. 
   
9. # 设置上午10点作为分界线
   
10. boundary_time = pd.to_datetime('10:00:00').time()
    
11. 
    
12. # 过滤出符合条件的数据
    
13. filtered_data = data[data['timestamp'].dt.hour < boundary_time.hour]
    
14. 
    
15. # 提取每天的最大和最小量值行
    
16. daily_max_min = filtered_data.groupby(filtered_data['timestamp'].dt.date)['value'].agg(['max', 'min'])
    
17. 
    
18. # 输出结果
    
19. print(daily_max_min)

复制代码

这样，计算的最大值和最小值将会是上午10点之前的数据。对于问题一，我们只需要过滤出timestamp的小时部分小于上午10点的数据即可。再次非常抱歉给您带来的困惑。

另外建议你把csv交出来吧，不然不好测试代码对没对

rsj0315

歌者文明清理员 发表于 2023-7-12 22:33
问题一的代码解答如下：

问题二的代码解答如下：

第二段找的时间也是24h的，也不对劲

歌者文明清理员

rsj0315 发表于 2023-7-12 23:10
第二段找的时间也是24h的，也不对劲

另外建议你把csv放上来吧，不然不好测试代码对没对

非常抱歉给出的代码有误。以下是修正后的代码：

1. import pandas as pd
   
2. 
   
3. # 读取CSV文件
   
4. data = pd.read_csv('your_data.csv')
   
5. 
   
6. # 将时间戳列转换为datetime类型
   
7. data['timestamp'] = pd.to_datetime(data['timestamp'])
   
8. 
   
9. # 设置上午10点和下午10点作为白班和夜班的分界线
   
10. morning_shift_start = pd.to_datetime('10:00:00').time()
    
11. night_shift_start = pd.to_datetime('22:00:00').time()
    
12. 
    
13. # 根据班次划分数据
    
14. morning_shift_data = data[(data['timestamp'].dt.hour >= morning_shift_start.hour) & (data['timestamp'].dt.hour < night_shift_start.hour)]
    
15. night_shift_data = data[(data['timestamp'].dt.hour >= night_shift_start.hour) | (data['timestamp'].dt.hour < morning_shift_start.hour)]
    
16. 
    
17. # 提取每天每个班次的最大和最小量值行
    
18. morning_shift_max_min = morning_shift_data.groupby(morning_shift_data['timestamp'].dt.date)['value'].agg(['max', 'min'])
    
19. night_shift_max_min = night_shift_data.groupby(night_shift_data['timestamp'].dt.date)['value'].agg(['max', 'min'])
    
20. 
    
21. # 输出结果
    
22. print("白班最大值和最小值：")
    
23. print(morning_shift_max_min)
    
24. print("夜班最大值和最小值：")
    
25. print(night_shift_max_min)

复制代码

这样，计算的最大值和最小值将会是按照白班和夜班划分的数据。对于问题二，我们只需要按照设定的时间分界线将数据划分为白班和夜班。非常抱歉给您带来的困惑，希望这次的修正能达到您的需求。如果还有任何问题，请随时告诉我。

rsj0315

歌者文明清理员 发表于 2023-7-12 23:07
非常抱歉给出的代码有误。以下是修正后的代码：

python

csv在提问的压缩包里呢，你这个回答还是有瑕疵，正常df是两行结果一个11日的，一个12日的，现在只给了12日的数据

rsj0315

看图片中的压缩吧位置，你那看不到吗

歌者文明清理员

rsj0315 发表于 2023-7-12 23:16
看图片中的压缩吧位置，你那看不到吗

抱歉

歌者文明清理员

无法完成您的任务……

rsj0315

昨天思考了一下分班次的之所以计算不对是将夜里24h这个日期分在了某一段时间里，这时候去查找最大最小时，经常找到24h的值。
换个思路：
其实可以将当前时间按照2班时间的起点10点进行调整。直接将读取的时间向前平移10h，这样计算起点是0h开始，12h结束为一段，12h-24h为一段。分别去找对应的最值可能就简单了。
回头有时间验证下。

阿奇_o

rsj0315 发表于 2023-7-13 10:06
昨天思考了一下分班次的之所以计算不对是将夜里24h这个日期分在了某一段时间里，这时候去查找最大最小时， ...

是的，就是这个思路（一般两班倒/三班倒都是以第一个班为0点计算起的，这样方便财务和统一说法是哪一天上班）。

我已经算出来了，还挺有意思的，也让我对Timestamp对象有了更多认识。

你先做做看吧，应该至少会遇到两个比较“狡猾”或者“细节”的问题，一不小心可能会卡在那。。

搞不定的话，可以加我V或Q，细说（请我喝杯奶茶~ ^_

rsj0315

阿奇_o 发表于 2023-7-13 12:14
是的，就是这个思路（一般两班倒/三班倒都是以第一个班为0点计算起的，这样方便财务和统一说法是哪一天 ...

程序员多喝水，老喝奶茶不利于健康