关于数据中的时间处理问题

前言

在9月份处理数据的时候，我遇到了以下问题：

1.两个数据集的时间标准不一样

2.在进行相关性分析的时候，发现冬季数据的长度两者不一致

原因

首先，简单介绍以下两个数据集的大致情况：

1.txt文件。2008年~2017年的数据，所有数据的序列长度均为8760，即为逐小时数据，且闰年未考虑2月29号这一天的数据。数据时间是我后续加进去的（北京时）

2.nc文件。2008年`2017年的各层温度数据。时间序列完好，即包含了时间，闰年也包含了2月29号的数据。（UTC）

由数据的大致情况，可以看出，我们需要解决以下问题。

1. 北京时与国际标准时的换算。
2. 如何为txt文件加入合适的时间序列

解决步骤

北京时与国际标准时的换算

BJT=UTC+8

ds9=ds9.assign_coords(time = (ds9.indexes['time']- timedelta(hours=-8)))#将UTC改变为北京时间

如何为txt文件加入合适的时间序列

这个问题至关重要！

起初，我的处理方法如下：因为数据的长度均为8760，所以就使用了

times=pd.date_range(start=time[i],periods=8760,freq='H')

的方法。这个方法还用了很长时间（内心苦涩）。

直到在处理相关性问题的时候我才发现，出现了大问题。——在闰年，即使我指定的时间序列长度是8760，但是系统默认指定给数据的时间序列里是有2月29号的，所以就导致了闰年12月31号无数据！！

so ,我需要创建这样一个时间序列——闰年无2月29的数据，时间序列长度为8760.

解决方法如下：

import pandas as pd
import numpy as np
#创建2008年的时间序列（缺少2.29号）
date2008=pd.date_range(start='2008-01-01',end='2008-12-31-23',freq='H')
#创建一个DataFrame
lst=np.arange(8784)#创建一个列表
data2008=pd.DataFrame(lst,index=date2008)#使用Index属
drop2008=(data2008.index.day.isin([29]))&(data2008.index.month.isin([2]))#不需要的数据
need2008=data2008[~drop2008]#取反得到自己需要的数据
#need2008的index就是我们需要的时间序列啦！

---

结语

到这里，今天的内容就结束啦！

以后在数据处理的过程中遇到问题还是会更新的呦，大家拜拜~