需求：需要将间隔为1小时的数据通过线性插值转为以5分钟为间隔的数据
思路：利用pandas，先进行重采样，再进行线性插值即可，最后将数据以表格形式输出。

import pandas as pd df = pd . read_excel ( r"D:\Testnumber\PM10day.xlsx" , sheet_name = 'PM10' ) df . index = pd . period_range ( '2021/6/1 8:00:00' , freq = "H" , periods = 11 ) df = df . resample ( '5min' , convention = 'start' ) . asfreq ( ) #线性插值 df = df . interpolate ( ) print ( df ) #输出表格 writer = pd . ExcelWriter ( 'D:\Testnumber\PM10results8.xlsx' ) df . to_excel ( writer ) writer . save ( ) writer . close ( )

一切文章皆为原创,转载请注明来源@小小梁的实验室

https://blog.csdn.net/weixin_41685388/article/details/103860881?utm_medium=distribute.pc_relevant.none-task-blog-2%7Edefault%7ECTRLIST%7Edefault-2.no_search_link&depth_1-utm_source=distribute.pc_relevant.none-task-blog-2%7Edefault%7ECTRLIST%7Edefault-2 将下面的csv 数据 对应到每 间隔 五 分钟 的时间序列上保证 数据 完整 详细描述： 时间区间 数据 对应 主要是将把每五 分钟 区间内的 数据 对应到五 分钟 倍数的区间上：example 将0，1 ，2 分钟 数据 对应到00：00， 将3， 4， 5到10 分钟 之间的 数据 ，将5， 6 ，7 分钟 数据 对应到第五 分钟 ，将7， 8 ，9， 10， 11 12 分钟 数据 对应到第10 分钟 ， 13， 14， 15， 16， 17对应到第15 分钟 依此类推 原始 数据 没有用于timedelta对象的内置格式化程序，但您自己很容易做到：days, seconds = duration.days, duration.secondshours = days * 24 + seconds // 3600minutes = (seconds % 3600) // 60seconds = seconds % 60或者，等价地说，如果您 使用 的是 Python 2.7+或3.2... 写在前面的话：拿到每一份 数据 时请认真思考我们应该做些什么怎么做。 在真实 数据 中，我们拿到的 数据 可能包含了大量的缺失值，可能包含大量的噪音，也可能因为人工录入错误导致有异常点存在，非常不利于算法模型的训练。因此 数据 的预处理也就变得格外重要！ 首先，需要明白插值问题和拟合的区别和联系 虽然两者都是根据实际中一组已知 数据 来构造一个能够反映 数据 变化规律的近似函数的方法。 拟合需要得到近似函数... Period Pandas 的Period可以定义一个时期，或者说具体的一个时段。有这个时段的起始时间start_time、终止时间end_time等属性信息，其参数freq和之前的date_range里的freq参数类似，可以取'S'、'D'等。 import pandas as pd p = pd.Period('2018-12-15', freq = "A") print p.start_time, p.end_time, p + 1, p print pd.Period('2013-1-9 11 1.首先 使用 excel中的HOUR()函数，将日期 数据 (年/月/日 时:分:秒) 转换 为 小时 ，表格命名为hour.xlsx: 2. 使用 python 读取excel 数据 hour.xlsx，将 小时 列 转换 为列表hour, 将列表hour 转换 为集合myset， 使用 count函数统计24 小时 各 小时 区间点的个数： #读取excel 小时 数据 ，统计各 小时 区间点的数量 import matplotlib as mpl import pandas as pd import numpy as np from collections 问题群友提问：请问用 python 语言，怎么求这个故障 时长 ？想了好久，总不对。严小样儿：安排！安排(原始 数据 )一、导包读数1import pandas aspd2importdatetime3data=pd.read_excel("工作簿1.xlsx",usecols=[iforiinrange(6)])二、时差计算1#先求出现在时间，便于做时间差值2now=date...