首页
学习
活动
专区
圈层
工具
发布
社区首页 >问答首页 >为什么在从timeseries数据进行分位数计算时得到意外的非零值?

问为什么在从timeseries数据进行分位数计算时得到意外的非零值?
EN

Stack Overflow用户
提问于 2022-01-30 17:57:04
回答 1查看 47关注 0票数 1

我有一个csv文件,其中包含全年每小时光伏生产的时间序列数据。我想得到每个小时的分位数(从0.1到0.9),以便在一年中的所有日子中每24小时表示他们的行为。

起初它似乎正常,但后来我意识到,在我的一些分位数中,在00:00我的值与0 (0)不同,这是不可能的,因为我的数据集在一天中的那个时候没有这样的值(我三次检查了它)。

哪里出错了?

我的代码:

代码语言:javascript
复制
colnames = ['Date', 'Energy']
df_1 = pd.read_csv('PV_Autumn_2020.csv', names = colnames  , encoding="utf8", delimiter=";")

start_date = datetime(2022, 9, 27, 1, 0)
end_date = datetime(2022, 9, 28, 1, 0)

def daterange(start_date, end_date):
    delta = timedelta(hours=1)
    while start_date < end_date:
        yield start_date
        start_date += delta
        
df = pd.DataFrame(columns = ['Time','pct0.1','pct0.2','pct0.3','pct0.4','pct0.5','pct0.6','pct0.7','pct0.8','pct0.9'])

for single_date in daterange(start_date, end_date):
            df.loc[single_date, ['Time']] = single_date.strftime("%H:%M")


x = []

for index in df.index:
    y = df_1.loc[df_1['Date'].str.contains(df['Time'][index])]
    for i in np.arange(1, 10, 1)/10:
        x.append(y.quantile(i))

pct = pd.DataFrame(x, columns = ['Energy'])

df['pct0.1'] = pct.loc[0.1].values
df['pct0.2'] = pct.loc[0.2].values
df['pct0.3'] = pct.loc[0.3].values
df['pct0.4'] = pct.loc[0.4].values
df['pct0.5'] = pct.loc[0.5].values
df['pct0.6'] = pct.loc[0.6].values
df['pct0.7'] = pct.loc[0.7].values
df['pct0.8'] = pct.loc[0.8].values
df['pct0.9'] = pct.loc[0.9].values

csv文件的一部分:

代码语言:javascript
复制
2021/03/01 00:00:00;0
2021/03/01 01:00:00;0
2021/03/01 02:00:00;0
2021/03/01 03:00:00;0
2021/03/01 04:00:00;0
2021/03/01 05:00:00;0
2021/03/01 06:00:00;0
2021/03/01 07:00:00;0
2021/03/01 08:00:00;111
2021/03/01 09:00:00;609
2021/03/01 10:00:00;1152
2021/03/01 11:00:00;1596
2021/03/01 12:00:00;1919
2021/03/01 13:00:00;2062
2021/03/01 14:00:00;2003
2021/03/01 15:00:00;1755
2021/03/01 16:00:00;1351
2021/03/01 17:00:00;801
2021/03/01 18:00:00;233
2021/03/01 19:00:00;0
2021/03/01 20:00:00;0
2021/03/01 21:00:00;0
2021/03/01 22:00:00;0
2021/03/01 23:00:00;0
2021/03/02 00:00:00;0
2021/03/02 01:00:00;0
2021/03/02 02:00:00;0
2021/03/02 03:00:00;0
2021/03/02 04:00:00;0
2021/03/02 05:00:00;0
2021/03/02 06:00:00;0
2021/03/02 07:00:00;0
2021/03/02 08:00:00;92
2021/03/02 09:00:00;449
2021/03/02 10:00:00;905
2021/03/02 11:00:00;1387
2021/03/02 12:00:00;1516
2021/03/02 13:00:00;1617
2021/03/02 14:00:00;1671
2021/03/02 15:00:00;1525
2021/03/02 16:00:00;1290
2021/03/02 17:00:00;899
2021/03/02 18:00:00;312
2021/03/02 19:00:00;0
2021/03/02 20:00:00;0
2021/03/02 21:00:00;0
2021/03/02 22:00:00;0
2021/03/02 23:00:00;0

dataframe

代码语言:javascript
复制
    Time    pct0.1  pct0.2  pct0.3  pct0.4  pct0.5  pct0.6  pct0.7  pct0.8  pct0.9
2022-09-27 01:00:00 01:00   0.0 0.0 0.0 0.0 0.0 0.0 0.0 0.0 0.0
2022-09-27 02:00:00 02:00   0.0 0.0 0.0 0.0 0.0 0.0 0.0 0.0 0.0
2022-09-27 03:00:00 03:00   0.0 0.0 0.0 0.0 0.0 0.0 0.0 0.0 0.0
2022-09-27 04:00:00 04:00   0.0 0.0 0.0 0.0 0.0 0.0 0.0 0.0 0.0
2022-09-27 05:00:00 05:00   0.0 0.0 0.0 0.0 0.0 0.0 0.0 0.0 0.0
2022-09-27 06:00:00 06:00   0.0 0.0 0.0 1.0 4.0 13.0    24.0    39.0    56.0
2022-09-27 07:00:00 07:00   25.0    51.0    84.0    148.0   180.0   249.0   297.0   378.0   426.0
2022-09-27 08:00:00 08:00   271.0   374.0   444.0   540.0   632.0   763.0   843.0   885.0   969.0
2022-09-27 09:00:00 09:00   545.0   743.0   880.0   1012.0  1079.0  1182.0  1285.0  1359.0  1401.0
2022-09-27 10:00:00 10:00   754.0   1037.0  1184.0  1315.0  1392.0  1478.0  1574.0  1654.0  1700.0
2022-09-27 11:00:00 11:00   858.0   1155.0  1291.0  1454.0  1540.0  1612.0  1695.0  1800.0  1853.0
2022-09-27 12:00:00 12:00   866.0   1185.0  1333.0  1452.0  1545.0  1630.0  1721.0  1820.0  1893.0
2022-09-27 13:00:00 13:00   871.0   1069.0  1239.0  1350.0  1435.0  1521.0  1612.0  1715.0  1817.0
2022-09-27 14:00:00 14:00   673.0   943.0   1036.0  1112.0  1207.0  1318.0  1383.0  1484.0  1622.0
2022-09-27 15:00:00 15:00   420.0   590.0   689.0   743.0   805.0   989.0   1045.0  1163.0  1297.0
2022-09-27 16:00:00 16:00   130.0   184.0   222.0   304.0   385.0   487.0   603.0   682.0   855.0
2022-09-27 17:00:00 17:00   1.0 3.0 7.0 30.0    55.0    96.0    152.0   207.0   338.0
2022-09-27 18:00:00 18:00   0.0 0.0 0.0 0.0 0.0 2.0 4.0 11.0    31.0
2022-09-27 19:00:00 19:00   0.0 0.0 0.0 0.0 0.0 0.0 0.0 0.0 0.0
2022-09-27 20:00:00 20:00   0.0 0.0 0.0 0.0 0.0 0.0 0.0 0.0 0.0
2022-09-27 21:00:00 21:00   0.0 0.0 0.0 0.0 0.0 0.0 0.0 0.0 0.0
2022-09-27 22:00:00 22:00   0.0 0.0 0.0 0.0 0.0 0.0 0.0 0.0 0.0
2022-09-27 23:00:00 23:00   0.0 0.0 0.0 0.0 0.0 0.0 0.0 0.0 0.0
2022-09-28 00:00:00 00:00   0.0 0.0 0.0 0.0 5.0 163.0   626.1   1059.0  1439.7
EN

回答 1

Stack Overflow用户

回答已采纳

发布于 2022-01-30 19:43:37

您可以通过测试相关的时间字符串是否是输入数据中日期字符串的一部分来计算分位数。日期字符串由年、月、日、小时、分钟和秒组成。然而,时间字符串只由小时和分钟组成。如果输入日期的所有秒设置为零,则输入日期时间戳类似于"01:00:00“、"02:00:00”等等。这很好,但是当比较字符串(与in)时,比较时间字符串“00:00”有一个问题:它适合所有日期字符串:它只匹配小时、分钟和秒。例如,"00:00" is in "02:00:00"计算为True。因此,所有(?)输入数据将被添加到"00:00“时间戳中,而不是没有输入数据。

因此,一个简单的解决方案是将秒添加到您的比较时间:

代码语言:javascript
复制
for single_date in daterange(start_date, end_date):
    df.loc[single_date, ['Time']] = single_date.strftime("%H:%M:%S")

当然,可能有更好的方法来比较时间戳和日期戳,或者计算分位数,但这似乎是你当前问题的实际问题。

票数 2
EN
页面原文内容由Stack Overflow提供。腾讯云小微IT领域专用引擎提供翻译支持
原文链接:

https://stackoverflow.com/questions/70917372

复制
相关文章

相似问题

领券
问题归档专栏文章快讯文章归档关键词归档开发者手册归档开发者手册 Section 归档