如何对指定传感器组的测量数据按每分钟维度计算平均值与标准差

核心解决思路 #

通过时间对齐、条件筛选、分组聚合三个步骤即可覆盖全部需求，以下为基于Pandas的可落地实现：

• 时间对齐：把所有非同步的时间戳统一截断到整分钟维度，解决测量时间不同步的问题
• 条件筛选：先按传感器ID、目标变量过滤数据，排除无关数据的干扰
• 分组聚合：按对齐后的分钟时间分组，直接计算目标变量的均值和标准差

可直接复用的代码实现 #

import pandas as pd

# 可自定义配置参数
target_var = "T"  # 替换为你需要计算的目标变量名
target_entities = ["ANG5-00902", "ANG5-00903"]  # 替换为你需要聚合的传感器ID列表

# 1. 时间列预处理，对齐到整分钟粒度
# 请将下方df替换为你自己的原始数据集变量名，时间列默认名为Time
df["Time"] = pd.to_datetime(df["Time"])
df["minute_time"] = df["Time"].dt.floor("min")

# 2. 筛选符合条件的目标数据
filtered_df = df[
    df["Entity Name"].isin(target_entities)
][[target_var, "minute_time"]]

# 3. 按分钟分组计算均值和标准差
result_df = filtered_df.groupby("minute_time", as_index=False).agg(
    Average=(target_var, "mean"),
    Std=(target_var, "std")
).rename(columns={"minute_time": "Time"})

# 若只需要保留HH:MM格式的时间，可打开下方注释
# result_df["Time"] = result_df["Time"].dt.strftime("%H:%M")

补充说明 #

如果需要补全没有测量数据的空白分钟时段，可以用pd.date_range生成对应时间段的完整分钟时间序列，再和计算得到的result_df做左连接即可。

内容的提问来源于stack exchange，提问作者Sorensen