如何用pandas时间序列Output_Energy列逐分钟递增常量至目标值

解决方案 #

方案1：pandas向量化实现（推荐，执行效率更高）

import pandas as pd

# 初始值设置
init_val = 30
target_val = 80
need_total = target_val - init_val

# 计算Output_Energy累计和
df["cumulative_energy"] = df["Output_Energy"].cumsum()

# 定位首次达到阈值的位置
reach_mask = df["cumulative_energy"] >= need_total
if reach_mask.any():
    stop_timestamp = reach_mask.idxmax()
    final_result = init_val + df.loc[stop_timestamp, "cumulative_energy"]
    print(f"累计至{stop_timestamp}时达到阈值，最终数值为{final_result:.2f}")
    # 如需获取截止到该时刻的所有数据，可调用下方代码
    valid_df = df.loc[:stop_timestamp, :].copy()
else:
    print("现有2天数据的Output_Energy总和不足，无法让初始值累加到80")

方案2：while循环实现（匹配你最初的实现思路）

init_val = 30
target_val = 80
current = init_val
row_num = 0
df_length = len(df)

while current < target_val and row_num < df_length:
    current += df.iloc[row_num]["Output_Energy"]
    row_num += 1

if current >= target_val:
    stop_timestamp = df.index[row_num - 1]
    print(f"累计至{stop_timestamp}时达到阈值，最终数值为{current:.2f}")
else:
    print("现有2天数据的Output_Energy总和不足，无法让初始值累加到80")

注意点 #

1. 运行前请确保你的DataFrame已经按时间索引升序排序，未排序的话先执行df = df.sort_index()
2. 你给出的示例数据中单条Output_Energy数值极小，2天总和远达不到50的差值要求，实际测试可调整阈值验证逻辑正确性

内容的提问来源于stack exchange，提问作者Nick