为相似经纬度的时间序列温度数据分配专属ID的技术需求

核心需求 #

给包含日期、经度、纬度、温度的时间序列数据中，相同/相似经纬度的记录分配同一个专属ID，并能提取出同一地理位置的所有时间记录。

实现方案（以Python pandas为例） #

以下是针对需求的具体操作步骤：

1. 准备数据并导入库

先把数据加载到pandas DataFrame中：

import pandas as pd

# 模拟输入数据
data = {
    "Sr.": [1,2,3,4,5,6,7,8],
    "Date": ["1/1/1981","1/1/1981","1/1/1981","1/1/1981","2/1/1981","2/1/1981","2/1/1981","2/1/1981"],
    "Longitude": [79,78,77,76,79,78,77,76],
    "Latitude": [29.3,29.3,29.3,29.3,29.3,29.3,29.3,29.3],
    "Temp": [281,271,275,282,285,283,275,283]
}
df = pd.DataFrame(data)

2. 为经纬度组合分配唯一ID

• 如果是完全匹配的经纬度，直接通过Longitude和Latitude的组合分组生成ID：

# 按经纬度分组，生成从1开始的连续ID
df["ID"] = df.groupby(["Longitude", "Latitude"]).ngroup() + 1

• 如果是存在微小误差的相似经纬度（比如浮点精度问题），可以先对经纬度进行四舍五入，再分组：

# 先将经纬度四舍五入到指定小数位（比如1位），再分组生成ID
df["rounded_Lon"] = df["Longitude"].round(1)
df["rounded_Lat"] = df["Latitude"].round(1)
df["ID"] = df.groupby(["rounded_Lon", "rounded_Lat"]).ngroup() + 1
# 可选：删除临时列
df = df.drop(["rounded_Lon", "rounded_Lat"], axis=1)

3. 提取同一ID的所有记录

比如要提取ID为1的所有记录：

# 筛选ID=1的行
filtered_df = df[df["ID"] == 1]
print(filtered_df.to_string(index=False))

运行结果 #

执行上述代码后，输出和期望示例一致：

Sr.    Date  Longitude  Latitude  Temp  ID
  1 1/1/1981         79      29.3   281   1
  5 2/1/1981         79      29.3   285   1

内容的提问来源于stack exchange，提问作者Sana