Python热指数计算异常排查与代码调试请求

核心问题定位 #

热指数出现超250°F的异常值，大概率是以下两类问题：

• 温湿度配对错误：同传感器的温湿度数据未正确对齐（比如时间戳不匹配、传感器ID关联错误）
• 热指数计算公式错误：单位混用（比如把摄氏度代入华氏度公式，或者公式参数错误）

代码排查步骤 #

1. 验证温湿度配对逻辑 #

先检查读取数据时的传感器ID与时间戳匹配逻辑，确保同传感器同时间戳的温湿度一一对应：

import pandas as pd

# 读取归档数据
df = pd.read_csv("daily_sensor_data.csv")
# 筛选出配对异常的记录（重复时间戳、缺失温湿度值）
mismatched_records = df.groupby(["sensor_id", "timestamp"]).filter(
    lambda x: len(x) != 1 or pd.isna(x["temp_f"]).any() or pd.isna(x["humidity"]).any()
)

if not mismatched_records.empty:
    print("温湿度配对异常记录：")
    print(mismatched_records[["sensor_id", "timestamp", "temp_f", "humidity"]])

如果输出异常记录，说明数据存在脏数据，需先清洗（删除重复项、补全或删除缺失值）。

2. 校验热指数计算公式 #

迈阿密地区采用华氏度计算热指数，需严格遵循NOAA官方公式：

当气温≥80°F且相对湿度≥40%时：
HI = -42.379 + 2.04901523T + 10.14333127RH - 0.22475541TRH - 0.00683783T² - 0.05481717RH² + 0.00122874T²RH + 0.00085282TRH² - 0.00000199T²RH²
当气温<80°F或湿度<40%时，热指数近似等于气温

检查你的计算代码是否符合上述规则，重点确认：

• 输入温度为华氏度，湿度为0-100的百分比值
• 未误将摄氏度代入公式（这是产生极端值的常见原因）

3. 异常值过滤 #

即使配对和公式正确，传感器硬件故障也可能产生异常数据，可基于迈阿密合理范围过滤：

# 过滤温湿度合理范围
df = df[(df["temp_f"].between(40, 130)) & (df["humidity"].between(20, 100))]

# 定义热指数计算函数
def calculate_heat_index(temp_f, humidity):
    hi = temp_f.copy()
    mask = (temp_f >= 80) & (humidity >= 40)
    t = temp_f[mask]
    rh = humidity[mask]
    hi[mask] = (-42.379 + 2.04901523*t + 10.14333127*rh - 0.22475541*t*rh
                - 0.00683783*t**2 - 0.05481717*rh**2 + 0.00122874*t**2*rh
                + 0.00085282*t*rh**2 - 0.00000199*t**2*rh**2)
    return hi

# 计算热指数并过滤异常值
df["heat_index_f"] = calculate_heat_index(df["temp_f"], df["humidity"])
df = df[df["heat_index_f"].between(40, 130)]

可视化与验证 #

修复后生成各传感器热指数时序图，可做以下验证：

• 单传感器维度：对比温湿度与热指数趋势，确认湿度越高时热指数高于气温，符合物理逻辑
• 跨维度对比：与附近气象站的热指数数据对齐时间轴，验证整体趋势一致性

内容的提问来源于stack exchange，提问作者Eric Schmitt