Pandas实战案例 | 冷空气活动寒潮级别分类

可以叫我才哥

发布于 2021-08-05 11:50:28

6770

发布于 2021-08-05 11:50:28

文章被收录于专栏：可以叫我才哥

作者：小小明 Pandas数据处理专家，帮助无数用户解决过数据处理难题。

大家好，今天介绍来自盆友小明大佬的Pandas神级操作，如何把基础函数groupby和diff方法通过复杂而清晰逻辑去解决令人头大的需求，优雅~

需求分析
读取数据
拿一个分组进行测试
获取满足寒潮定义条件的对应数据id
分组编号生成器
测试对所有站计算寒潮
测试所有寒潮级别
完整代码

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 pd
import numpy as np

df = pd.read_csv("data.csv")
df

结果：

	date	number	temperature
0	2004/12/20	d289	-30.38
1	2004/12/21	d289	-32.67
2	2004/12/22	d289	-33.12
3	2004/12/23	d289	-31.71
4	2004/12/24	d289	-32.76
...	...	...	...
12256	2005/12/16	e332	-8.37
12257	2005/12/17	e332	-12.73
12258	2005/12/18	e332	-13.57
12259	2005/12/19	e332	-13.36
12260	2005/12/20	e332	-15.99

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

结果：

	date	number	temperature
11926	2005/1/20	e332	-18.06
11927	2005/1/21	e332	-8.76
11928	2005/1/22	e332	-4.77
11929	2005/1/23	e332	-10.81
11930	2005/1/24	e332	-19.91
...	...	...	...
12256	2005/12/16	e332	-8.37
12257	2005/12/17	e332	-12.73
12258	2005/12/18	e332	-13.57
12259	2005/12/19	e332	-13.36
12260	2005/12/20	e332	-15.99

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id
ids = tmp.index[tmp.temperature.diff(-1) >= 8].values
cold_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id
ids = tmp.index[tmp.temperature.diff(-2) >= 10].values
cold_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id
ids = tmp.index[tmp.temperature.diff(-3) >= 12].values
cold_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)

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cold_wave_idxs.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

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)

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]

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)

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

结果：

	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
0	d289	2005/1/2	2005/1/4	-19.39	-30.79	3	11.40	寒潮
1	d289	2005/1/10	2005/1/13	-21.66	-36.06	4	14.40	寒潮
2	d289	2005/1/21	2005/1/24	-12.28	-27.40	4	15.12	寒潮
3	d289	2005/2/7	2005/2/8	-15.31	-26.47	2	11.16	寒潮
4	d289	2005/2/15	2005/2/17	-12.12	-23.52	3	11.40	寒潮
...	...	...	...	...	...	...	...	...
395	e332	2005/9/5	2005/9/6	2.68	-6.00	2	8.68	寒潮
396	e332	2005/10/13	2005/10/14	-2.52	-12.76	2	10.24	寒潮
397	e332	2005/10/22	2005/10/24	-0.69	-12.90	3	12.21	寒潮
398	e332	2005/11/13	2005/11/15	-5.96	-16.56	3	10.60	寒潮
399	e332	2005/11/18	2005/11/20	-7.31	-18.74	3	11.43	寒潮

感觉没啥问题。

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

结果：

	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
0	d289	2005/1/2	2005/1/4	-19.39	-30.79	3	11.40	寒潮
1	d289	2005/1/10	2005/1/13	-21.66	-36.06	4	14.40	寒潮
2	d289	2005/1/21	2005/1/24	-12.28	-27.40	4	15.12	寒潮
3	d289	2005/2/7	2005/2/8	-15.31	-26.47	2	11.16	寒潮
4	d289	2005/2/15	2005/2/17	-12.12	-23.52	3	11.40	寒潮
...	...	...	...	...	...	...	...	...
636	e332	2005/2/2	2005/2/3	-7.36	-20.59	2	13.23	强寒潮
637	e332	2005/10/13	2005/10/14	-2.52	-12.76	2	10.24	强寒潮
638	e332	2005/10/22	2005/10/24	-0.69	-12.90	3	12.21	强寒潮
639	e332	2005/1/22	2005/1/24	-4.77	-19.91	3	15.14	超强寒潮
640	e332	2005/2/2	2005/2/3	-7.36	-20.59	2	13.23	超强寒潮

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 pd
import 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)

最终得到的结果：

（前60行数据）

本文完结！

本文参与腾讯云自媒体同步曝光计划，分享自微信公众号。

原始发表：2021-01-07，如有侵权请联系 cloudcommunity@tencent.com 删除

腾讯云测试服务

本文分享自可以叫我才哥微信公众号，前往查看

如有侵权，请联系 cloudcommunity@tencent.com 删除。

本文参与腾讯云自媒体同步曝光计划，欢迎热爱写作的你一起参与！

腾讯云测试服务

登录后参与评论

0 条评论

热度