用Python Jupyter实现XLSX的klokkeslett列按2小时间隔拆分时间存数组

前置依赖安装 #

在Jupyter的代码单元格执行以下命令，安装数据处理所需的依赖包：
!pip install pandas openpyxl

分步实现逻辑 #

1. 读取目标XLSX文件，自动将klokkeslett列解析为时间格式，避免手动格式转换的误差

   import pandas as pd
   
   # 替换为你的实际XLSX文件路径
   df = pd.read_excel(
       "目标文件.xlsx",
       engine="openpyxl",
       parse_dates=["klokkeslett"]
   )
   

2. 定义分组规则

   • 分组起点为08:00:00，按2小时间隔划分区间：08:00-10:00、10:00-12:00……
   • 采用左闭右开的区间边界，即08:00:00整的条目归入第一组，10:00:00整的条目归入第二组，避免重复计数

3. 批量生成分组匹配关系

   # 提取时间列的小时数值（含分、秒换算为小数）
   hour_value = df["klokkeslett"].dt.hour + df["klokkeslett"].dt.minute/60 + df["klokkeslett"].dt.second/3600
   
   # 生成分组边界：从8点开始，每2小时一个分界，覆盖文件内所有时间点
   start_time = 8
   time_step = 2
   max_hour = hour_value.max()
   bin_edges = list(range(start_time, int(max_hour) + time_step + 1, time_step))
   # 生成对应分组标签
   group_names = [f"{bin_edges[i]:02d}:00-{bin_edges[i+1]:02d}:00" for i in range(len(bin_edges)-1)]
   
   # 为每条数据匹配对应分组
   df["所属时间组"] = pd.cut(
       x=hour_value,
       bins=bin_edges,
       labels=group_names,
       right=False  # 开启左闭右开规则
   )
   

4. 按分组拆分为独立存储数组

   grouped_storage = {}
   for group_label, rows in df.groupby("所属时间组", observed=True):
       # 移除临时添加的分组列，保留原始数据并转为数组格式
       grouped_storage[group_label] = rows.drop(columns=["所属时间组"]).values
   

结果验证 #

在Jupyter单元格执行对应命令即可查看存储结果：

• 查看所有已生成的分组名称：list(grouped_storage.keys())
• 查看指定区间的存储数组：比如调取08:00-10:00区间的条目，执行 grouped_storage["08:00-10:00"]
• 数组为numpy.ndarray格式，支持常规数组索引、遍历操作，可直接用于后续分析

常见适配调整 #

• 如果klokkeslett列读取后是字符串格式，先执行转换：df["klokkeslett"] = pd.to_datetime(df["klokkeslett"], format="%H:%M:%S") 再走后续流程
• 如果文件中存在早于08:00的时间条目，仅需将start_time参数调整为早于文件内最小时间的整数值，即可把这类条目纳入分组范围
• 如果需要修改区间长度，仅需调整time_step参数为目标间隔小时数即可

内容的提问来源于stack exchange，提问作者André Lund