我在 csv 文件中有 13 分钟间隔内没有函数的 y 值(大约 6000 个样本数据)的时间序列数据。 例如: 2016-02-13 00:00:00 ; 0,353 2015-02-13 00:00:13 ; 0,362 ....
我想在 9 点钟和 14 点钟的范围内积分。 我如何将值从 csv 读取到 np.array(data) ?
Simpson 方法对 y 下的整条曲线进行积分。 我读过文档。关于我的方法是:
从 scipy.integrate 导入 simps 将 numpy 导入为 np y = np.array(数据) 我 = 整合.simps(y,dx=12) 打印(一)
我如何整合时间范围 (9am-2pm - 09:00:00-14:00:00)?
请您参考如下方法:
我很难用 np.loadtxt 处理你数据中的额外分号,所以这里是你的数据的手写导入。
%matplotlib inline
import numpy as np
import matplotlib.pyplot as p
from matplotlib.dates import strpdate2num, num2date
fn="example_data.txt"
#2016-02-13 00:00:00 ; 0,353
#2015-02-13 00:00:13 ; 0,362
def dateread(x):
return num2date(strpdate2num('%Y-%m-%d %H:%M:%S')(x))
tims, vals=[],[]
f=open(fn,'r')
for line in f.readlines():
#print line
a=line.split()
#print a
time=dateread(a[0]+' '+a[1])
value= float(a[3].replace(",","."))
tims.append(time)
vals.append(value)
print vals
print tims
p.plot(tims,vals)
输出:
[0.353, 0.362]
[datetime.datetime(2016, 2, 13, 0, 0, tzinfo=<matplotlib.dates._UTC object at 0x000000000411B4E0>), datetime.datetime(2015, 2, 13, 0, 0, 13, tzinfo=<matplotlib.dates._UTC object at 0x000000000411B4E0>)]
时间现在是正确的日期时间对象,因此可以比较它们。要选择您喜欢的时间,请在此处查看:Python time comparison
