将两个csv数据进行时间对齐,数据格式一样,存在一列时间和一列角度,其余是数据
import numpy as np
import pandas as pd
from scipy import stats
import matplotlib.pyplot as plt
plt.rcParams['font.sans-serif'] = ['SimHei'] # 用来正常显示中文标签
#输入两个不同时间长度的数据,将时间对其后,进行线性拟合,并将时间对其后的两个数据框横向拼接生成一个csv文件
def generate_minute_data(df1,df2):
"""
生成指定频率的分钟级别时间序列,并返回数据框
"""
# 将时间列设置为索引
df2.set_index('yyyy-mm-dd hh:mm:ss', inplace=True) #两个文件的时间列名需设置一样,可直接都改为time
# 删除重复的时间戳
df2 = df2[~df2.index.duplicated()]
# 生成新的时间索引,每秒一行,因为两个数据时间长度不一致,将两个数据长度按照第一个文件时间长度df1生成
start_time = df1.index.min()
end_time = df1.index.max()
# 按时间戳分组求平均值
#df2 = df2.groupby(pd.Grouper(key="DateTime", freq="Min")).mean().reset_index()
#all_seconds = pd.date_range(start=start_time, end=end_time, freq='2T') # 秒为S,分钟为Min,十分钟为10T
# 补充缺失的秒数并设置为0
df2 = df2.reindex(df1.index, fill_value=np.nan)
#df2 = df2.reindex(all_seconds, fill_value=np.nan)
return df2
# 读取第一个CSV文件
df1 = pd.read_csv('F:/2301001_all.csv', parse_dates=['yyyy-mm-dd hh:mm:ss'],encoding="gbk") # 替换 'time' 为实际的时间列名称
# 我们只保留小时和分钟部分
#df1['time'] = df1['time'].dt.strftime('%H:%M')
# 读取第二个CSV文件
df2 = pd.read_csv('F:/2301003_all.csv', parse_dates=['yyyy-mm-dd hh:mm:ss'],encoding="gbk") # 和上面文件时间列名需一致
#df2['time'] = df2['time'].dt.strftime('%H:%M')
data1 = generate_minute_data(df1,df1) #返回数据df1
data2 = generate_minute_data(df1,df2) #返回数据df2
# 保存合并后的数据到新文件
data1.to_csv('F:/2301001_all_duiqi.csv',index = True)
data2.to_csv('F:/2301003_all_duiqi.csv',index = True)