如何将每小时气压CSV数据匹配到10分钟间隔水位CSV并新增对应列

前置准备 #

• 安装pandas数据处理依赖：pip install pandas

实现逻辑 #

• 读取两份CSV文件，自动处理字段前后多余空格
• 为两份数据构造统一的小时匹配键：日期 + 时间值的前两位（例如1210、1250都归为12点的匹配键，对应同一份小时气压数据）
• 基于小时匹配键做映射关联，给所有水位行匹配对应气压值
• 导出带气压列的新水位CSV文件

完整可运行代码 #

import pandas as pd

# 1. 读取气压CSV并构造映射关系
pressure_df = pd.read_csv("你的气压文件路径.csv", skipinitialspace=True)
# 构造小时维度匹配键
pressure_df["match_key"] = pressure_df["date"] + "_" + pressure_df["time"].astype(str).str[:2]
# 转成字典用于后续快速匹配
pressure_map = dict(zip(pressure_df["match_key"], pressure_df["pressure"]))

# 2. 读取水位CSV并匹配气压
water_df = pd.read_csv("你的水位文件路径.csv", skipinitialspace=True)
# 构造相同规则的匹配键
water_df["match_key"] = water_df["date"] + "_" + water_df["time"].astype(str).str[:2]
# 匹配对应气压值
water_df["pressure"] = water_df["match_key"].map(pressure_map)
# 删除临时生成的匹配键列
water_df = water_df.drop(columns=["match_key"])

# 3. 导出结果文件
water_df.to_csv("带气压的水位数据.csv", index=False, encoding="utf-8-sig")

补充说明 #

• 如果存在某小时气压数据缺失的情况，可在匹配后增加填充逻辑，比如调用water_df["pressure"] = water_df["pressure"].interpolate()做线性插值补全
• 后续做气压补偿校正时，直接在导出前对water_df加计算逻辑即可，示例：water_df["corrected_depth"] = water_df["depth"] + (1013.25 - water_df["pressure"]) * 补偿系数，补偿系数根据你的业务规则调整即可
• 该方案支持百万行级数据秒级处理，完全满足数月10分钟间隔数据的处理需求

内容的提问来源于stack exchange，提问作者Wolffetti