如何基于温湿数组创建单DataFrame列并判断降水类型

问题说明 #

需要基于每日更新的温度（TMP）和降水量（precip）数组，生成仅包含降水类型一列的DataFrame，通过多条件判断覆盖更多降水场景（比如温度>32且有降水时为"Rain"、温度较低且降水量大时为"Icing"等）。现有代码错误生成了两列，且条件判断逻辑存在问题。

修正后的完整代码 #

import pandas as pd
import numpy as np

# 模拟API获取的温度和降水量数据
TMP = [17, 16, 16, 15, 14, 14, 13, 13, 14, 16, 17, 19, 21, 23, 24, 25, 25, 24, 23, 22, 21, 21, 23, 23]
precip = [0.0, 0.0, 0.0, 0.0, 0.017, 0.017, 0.017, 0.017, 0.017,0.017, 0.017, 0.017, 0.017, 0.020, 0.025, 0.035, 0.017, 0.017,0.017, 0.017, 0.017, 0.017, 0.017, 0.02]

# 构造包含温度和降水量的基础DataFrame
weather_df = pd.DataFrame({
    'Temperature': TMP,
    'Precipitation': precip
})

# 定义多条件规则和对应结果
conditions = [
    # 温度>32且降水量>0 → Rain
    (weather_df['Temperature'] > 32) & (weather_df['Precipitation'] > 0),
    # 温度<32且降水量>0.25 → Icing
    (weather_df['Temperature'] < 32) & (weather_df['Precipitation'] > 0.25),
    # 降水量<0.001 → Dry
    (weather_df['Precipitation'] < 0.001),
    # 其他小降水情况 → Light Rain
    (weather_df['Precipitation'] >= 0.001) & (weather_df['Precipitation'] <= 0.25)
]

results = ['Rain', 'Icing', 'Dry', 'Light Rain']

# 生成降水类型列
weather_df['Precipitation_Type'] = np.select(conditions, results, default='Unknown')

# 提取仅包含降水类型的目标DataFrame
weather_df2 = weather_df[['Precipitation_Type']]

# 样式设置函数
def make_pretty(styler):
    styler.set_caption("Weather Conditions")
    # 给不同降水类型设置差异化背景色
    styler.applymap(lambda x: 'background-color: #90EE90' if x == 'Dry' else 
                               'background-color: #87CEFA' if x == 'Rain' else
                               'background-color: #ADD8E6' if x == 'Light Rain' else
                               'background-color: #FFB6C1' if x == 'Icing' else '',
                   subset=['Precipitation_Type'])
    return styler

# 应用样式并展示
s = weather_df2.style.pipe(make_pretty)
s

关键修正点说明 #

• DataFrame构造：原代码将整个数组作为单个单元格值，改为直接将数组传入，生成对应行数的标准DataFrame。
• 多条件判断：用np.select替代循环判断，批量处理所有行，避免原函数中循环仅执行一次就返回的问题，同时方便扩展更多条件规则。
• 单列输出：通过筛选Precipitation_Type列，得到仅包含目标数据的weather_df2。
• 样式优化：针对分类类型的降水数据，替换原代码中不匹配的数值渐变样式，改为按类型设置背景色，更直观展示结果。

内容的提问来源于stack exchange，提问作者Justyna