如何在Pandas中基于分钟级时间匹配计算两气象站点的温度差值

没问题，这个需求完全可以实现，我来给你一步步拆解怎么做：

我们的目标是把同一分钟内两个站点的温度关联起来，然后计算差值。核心就是先把时间戳统一到分钟级别，再把数据转成方便对比的格式。

步骤1：把时间戳转成分钟精度 #

首先得确保你的Time列是Pandas的datetime类型，然后把所有时间戳向下取整到分钟——这样不管秒数是多少，同一分钟的记录都会被归到同一个时间点。

import pandas as pd

# 假设你的数据集叫df
df['Time_minute'] = pd.to_datetime(df['Time']).dt.floor('min')

步骤2：把数据转成“宽格式” #

用pivot方法把长格式的数据转成宽格式，这样每个分钟对应的station_a和station_b温度会在同一行，直接就能做减法了。

df_wide = df.pivot(index='Time_minute', columns='Station_name', values='Temperature')

转完之后的结构大概是这样：

步骤3：计算温度差值 #

现在直接新增一列，用station_a的温度减去station_b的就行。如果遇到某分钟只有一个站点的数据（虽然你说每10分钟测一次，这种情况可能不多），可以用fillna处理缺失值，比如填充0或者用前一分钟的差值：

df_wide['temp_diff'] = df_wide['station_a'] - df_wide['station_b']

# 可选：处理缺失值的方式
# df_wide['temp_diff'] = df_wide['temp_diff'].fillna(method='ffill')  # 用前值填充
# df_wide['temp_diff'] = df_wide['temp_diff'].fillna(0)  # 填充0

步骤4（可选）：转回长格式 #

如果之后需要保持原来的长结构，可以把宽格式再转回去：

df_long = df_wide.reset_index().melt(
    id_vars=['Time_minute', 'temp_diff'],
    var_name='Station_name',
    value_name='Temperature'
)

完整测试代码 #

我用你给的示例数据写了完整代码，你可以直接跑：

import pandas as pd

# 你的示例数据
data = {
    'Time': ['2022-05-12 22:09:35+00:00', '2022-05-12 22:09:42+00:00'],
    'Station_name': ['station_a', 'station_b'],
    'Temperature': [18.3, 18.0]
}
df = pd.DataFrame(data)

# 步骤1：统一时间到分钟
df['Time_minute'] = pd.to_datetime(df['Time']).dt.floor('min')

# 步骤2：转宽格式
df_wide = df.pivot(index='Time_minute', columns='Station_name', values='Temperature')

# 步骤3：计算差值
df_wide['temp_diff'] = df_wide['station_a'] - df_wide['station_b']

print(df_wide)

运行后输出结果：

Station_name          station_a  station_b  temp_diff
Time_minute                                          
2022-05-12 22:09:00+00:00      18.3       18.0        0.3

额外提示 #

• 如果同一分钟内某个站点有多条数据（比如重复测量），可以先按分钟和站点分组取均值/最大值，再转宽格式：

df_agg = df.groupby(['Time_minute', 'Station_name'])['Temperature'].mean().reset_index()
df_wide = df_agg.pivot(index='Time_minute', columns='Station_name', values='Temperature')

• 要是遇到某分钟只有一个站点的数据，temp_diff会是NaN，你可以根据业务需求选择删除这些行、填充0或者插值。

内容的提问来源于stack exchange，提问作者Vilerala