如何筛选Pandas DataFrame中72小时后仍存在的热带气旋记录

原代码问题分析 #

你写的代码逻辑存在明显错误：

• deck['BASIN'] == deck['BASIN']和CY == CY是恒成立的无效条件，完全多余；
• deck['YYYYMMDDHH'] == (deck['YYYYMMDDHH'] + datetime.timedelta(hours=72))是拿每行时间和自身加72小时对比，结果全为False；
• 外层的len(...)>0是判断整个布尔系列的长度是否大于0，最终得到单一布尔值，无法作为逐行索引的条件。

正确实现方案 #

核心思路是按每个独立风暴（BASIN+CY分组），检查当前记录的时间点加72小时后，该风暴是否还有观测记录，用Pandas的分组+transform可以高效完成，无需逐行循环：

1. 确保时间列是datetime类型
   如果你的YYYYMMDDHH列还不是datetime格式，先做转换：

import pandas as pd
deck['YYYYMMDDHH'] = pd.to_datetime(deck['YYYYMMDDHH'], format='%Y%m%d%H')

2. 分组判断72小时后是否存在记录
   定义分组处理函数，把每个风暴的时间转成集合提升查找效率：

def check_72h_exist(group):
    time_collection = set(group['YYYYMMDDHH'])
    return group['YYYYMMDDHH'].apply(lambda t: (t + pd.Timedelta(hours=72)) in time_collection)

# 按海域+风暴编号分组，生成每行的布尔标记
deck['storm_exists_after_72h'] = deck.groupby(['BASIN', 'CY'])['YYYYMMDDHH'].transform(check_72h_exist)

3. 筛选目标行
   直接用布尔列筛选出符合条件的记录：

target_records = deck[deck['storm_exists_after_72h']]

优化说明 #

将时间转成集合后，查找操作的时间复杂度从O(n)降至O(1)，数据量较大时能显著提升运行效率。

内容的提问来源于stack exchange，提问作者SlushP22