使用Pandas为突发式数据集添加日期/时间列

完全可以通过Pandas给每条记录计算对应的日期时间，下面是具体实现步骤和代码：

核心逻辑梳理 #

你的数据是突发式采集：

• 每轮采集960条（16Hz×60秒），耗时60秒
• 两轮之间暂停300秒
• 已知起始时间，我们可以通过「轮次偏移 + 轮内采样偏移」计算每条记录的精确时间

代码实现 #

import pandas as pd

# 读取已有的数据
dataframe = pd.read_csv('filename.dat', sep='\s+', header=None)
# 给列命名（前两列是轮次和采样序号，后面是数据列）
dataframe.columns = ['burst_num', 'sample_idx'] + [f'data_col_{i}' for i in range(1, len(dataframe.columns)-1)]

# 设定数据集的起始时间（替换成你的实际起始时间）
start_datetime = pd.Timestamp('2024-05-20 14:30:00')

# 计算每轮的时间偏移：第n轮的起始时间 = 起始时间 + (n-1)*(采集时长+暂停时长)
burst_time_offset = (dataframe['burst_num'] - 1) * (60 + 300)
# 计算单条采样的时间偏移：第k条采样 = 轮内偏移 + (k-1)*(1/16)秒
sample_time_offset = (dataframe['sample_idx'] - 1) / 16

# 生成每条记录的时间戳列
dataframe['record_datetime'] = start_datetime + pd.to_timedelta(burst_time_offset + sample_time_offset, unit='s')

验证逻辑 #

• 第一轮最后一条（burst_num=1, sample_idx=960）的时间应为：start_datetime + 59.9375秒（(960-1)/16 = 59.9375）
• 第二轮第一条（burst_num=2, sample_idx=1）的时间应为：start_datetime + 360秒（60秒采集+300秒暂停）

内容的提问来源于stack exchange，提问作者marky9074