作者：小小明
需求分析
寒潮的定义：
数据的输入和输出格式：
统计口径确认：
我一开始不理解，24 小时内降温幅度大于 8 度如何计算，与需求方确认后，可以通过 2 日温度之差来计算。同样 48 小时内降温幅度可以用 3 日温度之差来代表，72 小时内降温幅度可以用 4 日温度之差来代表，需求方的解释：
好了，理解清楚了需求，咱们就可以开始干活了：
读取数据
首先读取数据：
import pandas as pdimport numpy as np
df = pd.read_csv("data.csv")df
复制代码
结果：
拿一个分组进行测试
取出某个分组，用于测试：
tmp = df.groupby('number').get_group('e332')tmp
复制代码
结果：
获取满足寒潮定义条件的对应数据 id
上图的极端情况显示，三大满足条件的 id 可能出现重复的情况，所以我使用了 set 这个无序不重复集合来保存 id：
cold_wave_idxs = set()# 获取2天内降温幅度超过8对应的数据idids = tmp.index[tmp.temperature.diff(-1) >= 8].valuescold_wave_idxs.update(ids)cold_wave_idxs.update(ids+1)# 获取3天内降温幅度超过10对应的数据idids = tmp.index[tmp.temperature.diff(-2) >= 10].valuescold_wave_idxs.update(ids)cold_wave_idxs.update(ids+1)cold_wave_idxs.update(ids+2)# 获取4天内降温幅度超过12对应的数据idids = tmp.index[tmp.temperature.diff(-3) >= 12].valuescold_wave_idxs.update(ids)cold_wave_idxs.update(ids+1)cold_wave_idxs.update(ids+2)cold_wave_idxs.update(ids+3)# 排序并转换成列表cold_wave_idxs = sorted(cold_wave_idxs)print(cold_wave_idxs)
复制代码
结果：
[11928, 11929, 11930, 11931, 11939, 11940, 11949, 11950, 11951, 11952, 11955, 11956, 11957, 11958, 12007, 12008, 12154, 12155, 12192, 12193, 12201, 12202, 12203, 12223, 12224, 12225, 12228, 12229, 12230]
上述代码中 coldwaveidxs.update(ids+1)表示，把 ids 列表里每个 id 的后一个 id 也添加到最终列表里，利用了 numpy 数组广播变量的特性，+2 和+3 也是同理。
上述结果就是从站码为'e332'的分组中计算出满足寒潮定义的对应数据 id。
从结果可以看出，凡是连续的 id 都可以看作一个寒潮的过程，所以现在我们需要将每个寒潮过程都分为一组，为了作这样的分组，我发明了一种分组编号生成器的写法，下面已经封装成了一个方法：
分组编号生成器
def generate_group_num(values, diff=1): group_ids = [] group_id = 0 last_v = 0 for value in values: if value-last_v > diff: group_id += 1 group_ids.append(group_id) last_v = value return group_ids
复制代码
上面的方法实现了一个分组编号生成器，对于一段序列凡是连续的数字都会给一个相同的分组编号。
测试一下分组效果：
for i, cold_wave_idx_serial in pd.Series(cold_wave_idxs).groupby(generate_group_num(cold_wave_idxs)): cold_wave_idx_serial = cold_wave_idx_serial.values print(cold_wave_idx_serial)
复制代码
结果：
[11928 11929 11930 11931][11939 11940][11949 11950 11951 11952][11955 11956 11957 11958][12007 12008][12154 12155][12192 12193][12201 12202 12203][12223 12224 12225][12228 12229 12230]
复制代码
从结果可以看到，凡是连续的序列都分到了一组，不是连续的序列就没有分到一组。
测试对所有站计算寒潮
首先将前面的测试好的用于获取满足寒潮定义的 id 的过程封装成方法：
def get_cold_wave_idxs(df, cold_wave_level=(8, 10, 12)): cold_wave_idxs = set() ids = df.index[df.temperature.diff(-1) >= cold_wave_level[0]].values cold_wave_idxs.update(ids) cold_wave_idxs.update(ids+1) ids = df.index[df.temperature.diff(-2) >= cold_wave_level[1]].values cold_wave_idxs.update(ids) cold_wave_idxs.update(ids+1) cold_wave_idxs.update(ids+2) ids = df.index[df.temperature.diff(-3) >= cold_wave_level[2]].values cold_wave_idxs.update(ids) cold_wave_idxs.update(ids+1) cold_wave_idxs.update(ids+2) cold_wave_idxs.update(ids+3) return sorted(cold_wave_idxs)
复制代码
然后运行：
cold_wave_result = []
for number, tmp in df.groupby('number'): cold_wave_idxs = get_cold_wave_idxs(tmp, (8, 10, 12)) for i, cold_wave_idx_serial in pd.Series(cold_wave_idxs).groupby(generate_group_num(cold_wave_idxs)): cold_wave_idx_serial = cold_wave_idx_serial.values start_id, end_id = cold_wave_idx_serial[0], cold_wave_idx_serial[-1] # 假如最低温度小于4度，则说明满足全部条件 if tmp.loc[end_id, 'temperature'] <= 4: cold_wave_result.append( (number, tmp.loc[start_id, 'date'], tmp.loc[end_id, 'date'], tmp.loc[start_id, 'temperature'], tmp.loc[end_id, 'temperature'], end_id-start_id+1, tmp.loc[start_id, 'temperature'] -tmp.loc[end_id, 'temperature'], '寒潮' ) )cold_wave_result = pd.DataFrame(cold_wave_result, columns=[ '站号', '开始日期', '结束日期', '开始温度', '结束温度', '寒潮天数', '温度差', '寒潮类型'])cold_wave_result
复制代码
结果：
没啥问题。
所有寒潮级别都测试一下：
测试所有寒潮级别
cold_wave_all = [ { 'cold_wave_temperature_diffs': (8, 10, 12), 'min_temperature_limit': 4, 'cold_wave_type': '寒潮' }, { 'cold_wave_temperature_diffs': (10, 12, 14), 'min_temperature_limit': 2, 'cold_wave_type': '强寒潮' }, { 'cold_wave_temperature_diffs': (12, 14, 16), 'min_temperature_limit': 0, 'cold_wave_type': '超强寒潮' }]cold_wave_result = []
for number, tmp in df.groupby('number'): for cold_wave_dict in cold_wave_all: cold_wave_idxs = get_cold_wave_idxs(tmp, cold_wave_dict['cold_wave_temperature_diffs']) if len(cold_wave_idxs) < 2: continue for i, cold_wave_idx_serial in pd.Series(cold_wave_idxs).groupby(generate_group_num(cold_wave_idxs)): cold_wave_idx_serial = cold_wave_idx_serial.values start_id, end_id = cold_wave_idx_serial[0], cold_wave_idx_serial[-1] # 假如最低温度小于指定度数，则说明满足全部条件 if tmp.loc[end_id, 'temperature'] <= cold_wave_dict['min_temperature_limit']: cold_wave_result.append( (number, tmp.loc[start_id, 'date'], tmp.loc[end_id, 'date'], tmp.loc[start_id, 'temperature'], tmp.loc[end_id, 'temperature'], end_id-start_id+1, tmp.loc[start_id, 'temperature'] - tmp.loc[end_id, 'temperature'], cold_wave_dict['cold_wave_type'] ) )cold_wave_result = pd.DataFrame(cold_wave_result, columns=[ '站号', '开始日期', '结束日期', '开始温度', '结束温度', '寒潮天数', '温度差', '寒潮类型'])cold_wave_result
复制代码
结果：
暂时也未发现错误。那么整理一下最终代码吧：
完整代码
import pandas as pdimport numpy as np
def generate_group_num(values, diff=1): group_ids = [] group_id = 0 last_v = 0 for value in values: if value-last_v > diff: group_id += 1 group_ids.append(group_id) last_v = value return group_ids
def get_cold_wave_idxs(df, cold_wave_level=(8, 10, 12)): cold_wave_idxs = set() ids = df.index[df.temperature.diff(-1) >= cold_wave_level[0]].values cold_wave_idxs.update(ids) cold_wave_idxs.update(ids+1) ids = df.index[df.temperature.diff(-2) >= cold_wave_level[1]].values cold_wave_idxs.update(ids) cold_wave_idxs.update(ids+1) cold_wave_idxs.update(ids+2) ids = df.index[df.temperature.diff(-3) >= cold_wave_level[2]].values cold_wave_idxs.update(ids) cold_wave_idxs.update(ids+1) cold_wave_idxs.update(ids+2) cold_wave_idxs.update(ids+3) return sorted(cold_wave_idxs)
df = pd.read_csv("data.csv")cold_wave_all = [ { 'cold_wave_temperature_diffs': (8, 10, 12), 'min_temperature_limit': 4, 'cold_wave_type': '寒潮' }, { 'cold_wave_temperature_diffs': (10, 12, 14), 'min_temperature_limit': 2, 'cold_wave_type': '强寒潮' }, { 'cold_wave_temperature_diffs': (12, 14, 16), 'min_temperature_limit': 0, 'cold_wave_type': '超强寒潮' }]cold_wave_result = []
for number, tmp in df.groupby('number'): for cold_wave_dict in cold_wave_all: cold_wave_idxs = get_cold_wave_idxs(tmp, cold_wave_dict['cold_wave_temperature_diffs']) if len(cold_wave_idxs) < 2: continue for i, cold_wave_idx_serial in pd.Series(cold_wave_idxs).groupby(generate_group_num(cold_wave_idxs)): cold_wave_idx_serial = cold_wave_idx_serial.values start_id, end_id = cold_wave_idx_serial[0], cold_wave_idx_serial[-1] # 假如最低温度小于指定度数，则说明满足全部条件 if tmp.loc[end_id, 'temperature'] <= cold_wave_dict['min_temperature_limit']: cold_wave_result.append( (number, tmp.loc[start_id, 'date'], tmp.loc[end_id, 'date'], tmp.loc[start_id, 'temperature'], tmp.loc[end_id, 'temperature'], end_id-start_id+1, tmp.loc[start_id, 'temperature'] - tmp.loc[end_id, 'temperature'], cold_wave_dict['cold_wave_type'] ) )cold_wave_result = pd.DataFrame(cold_wave_result, columns=[ '站号', '开始日期', '结束日期', '开始温度', '结束温度', '寒潮天数', '温度差', '寒潮类型'])cold_wave_result.to_excel("cold_wave.xlsx", index=False)
复制代码
最终得到的结果：
（前 60 行数据）
本文完结！
评论