Python实现日间正态分布函数：基于时间输入的数值返回方案问询

嘿，这个需求很明确，咱们一步步来搞定：

第一步：预处理你的数据点 #

首先得把手里的时间-数值数据对转换成可用于拟合的数值格式：

• 把每个时间点（比如datetime.time对象）转换成当天的连续小时数，比如9:30就是9.5，14:15就是14.25，计算方式是：hour + minute/60 + second/3600
• 整理成两个列表：x（转换后的小时数值）和y（对应的日间分布数值）

第二步：选择并拟合合适的曲线 #

根据你手上的图像形状，选对应的拟合方式：

情况1：单峰/平滑曲线（比如类似正弦、高斯分布） #

如果曲线是平滑的单峰形状，用参数拟合更合适，比如高斯函数或者自定义的三角函数。用scipy.optimize.curve_fit来拟合参数：

from scipy.optimize import curve_fit
import numpy as np
import datetime

# 定义拟合函数，这里以高斯函数为例
def gaussian(x, amp, mean, std):
    return amp * np.exp(-((x - mean)**2)/(2*std**2))

# 假设你的数据点（替换成你实际的数据集）
x_data = [8, 12, 16, 20]  # 转换后的小时数
y_data = [0.2, 0.8, 0.7, 0.1]  # 对应的分布数值

# 拟合得到参数
params, _ = curve_fit(gaussian, x_data, y_data)
amp, mean, std = params

情况2：复杂/分段曲线 #

如果曲线形状不规则（比如多峰、分段变化），用样条插值更灵活，用scipy.interpolate.interp1d：

from scipy.interpolate import interp1d
import numpy as np

# 创建插值函数，kind可选'linear'/'quadratic'/'cubic'，根据曲线平滑度选择
interp_func = interp1d(x_data, y_data, kind='quadratic', fill_value="extrapolate")

第三步：封装成接收time对象的函数 #

把上面的拟合/插值逻辑封装成函数，输入datetime.time对象，输出分布数值：

# 基于高斯拟合的示例函数
def get_daytime_value(time_obj):
    # 把time对象转换成连续小时数
    hour_float = time_obj.hour + time_obj.minute/60 + time_obj.second/3600
    # 用拟合好的函数计算数值
    return float(gaussian(hour_float, amp, mean, std))

# 基于样条插值的示例函数
def get_daytime_value(time_obj):
    hour_float = time_obj.hour + time_obj.minute/60 + time_obj.second/3600
    return float(interp_func(hour_float).item())

额外提示 #

• 如果你的数据点覆盖不够全（比如缺凌晨时段），可以用fill_value参数设置插值的外推方式，或者手动补充边界数据
• 测试的时候可以用datetime.time(12, 30)这样的对象传入函数，验证结果是否符合你的曲线预期
• 如果需要更高精度，可以把时间转换成分钟数甚至秒数来拟合，原理是完全一致的

内容的提问来源于stack exchange，提问作者may