技术需求：提取每个周期峰值并拆分含纳秒的日期时间数据

1. 提取每个周期的峰值 #

处理时序数据的周期峰值，可按分组提取最大值的思路实现，以下是Python示例：

• 先将数据按周期维度分组（比如固定时间间隔、自定义周期边界）
• 对每组数据提取数值的最大值（即该周期的峰值）

示例代码：

import pandas as pd

# 构造含周期标识的示例数据
data = pd.DataFrame({
    "周期": [1,1,1,2,2,2,3,3,3],
    "数值": [10,25,15,30,18,40,22,28,20]
})

# 分组提取峰值
peak_per_cycle = data.groupby("周期")["数值"].max().reset_index()
print(peak_per_cycle)

2. 拆分包含毫秒级时间的日期与时间 #

针对给定的原始数据，通过字符串分割提取日期和时间部分，整理后结果如下：

实现代码（Python）： #

# 原始数据行
raw_lines = [
    "0      2023-11-02 12:00:00.039	-201",
    "1      2023-11-02 12:00:00.996	-201",
    "2      2023-11-02 12:00:01.396	-198",
    "3      2023-11-02 12:00:01.701	-86",
    "4      2023-11-02 12:00:02.207	-196",
    "5      2023-11-02 12:00:03.206	-105"
]

# 提取日期和时间
result = []
for line in raw_lines:
    parts = line.split()
    result.append({"Date": parts[1], "Time": parts[2]})

# 输出表格
print("| Date | Time|")
print("|------|-----|")
for item in result:
    print(f"| {item['Date']}| {item['Time']}|")

内容的提问来源于stack exchange，提问作者Luan Dang