滚动平均值计算降雨强度

Question

我有一些真实的降雨数据，记录为日期和时间，以及翻斗式雨量计上的累积提示数。翻斗代表0.5毫米的降雨量。 我想循环浏览文件并确定强度的变化（降雨量/时间） 所以我需要多个固定时间范围内的滚动平均值： 所以我想累积降雨量，直到累积 5 分钟的降雨量并确定强度（以毫米/小时为单位）。因此，如果 5 分钟内记录 3 毫米，则等于 3/5*60 = 36 毫米/小时。 10 分钟内的相同降雨量将为 18 毫米/小时...

因此，如果我有几个小时的降雨量，我可能需要以几个标准间隔进行检查，例如：5、10、15、20、25、30、45、60 分钟ETC... 此外，数据以相反的顺序记录在原始文件中，因此最早的时间位于文件的末尾，后面的和最后的时间步首先出现在标题之后： 看起来像...（这里 975 - 961 = 14 个提示 = 7 毫米的降雨量）平均强度 1.4 毫米/小时 但在 16:27 和 16:34 之间 967-961 = 6 个提示 = 7 分钟内 3 毫米 = 27.71 毫米/小时

7424 Figtree (O'Briens Rd)
DATE     :hh:mm Accum Tips
8/11/2011 20:33     975
8/11/2011 20:14     974
8/11/2011 20:04     973
8/11/2011 20:00     972
8/11/2011 19:35     971
8/11/2011 18:29     969
8/11/2011 16:44     968
8/11/2011 16:34     967
8/11/2011 16:33     966
8/11/2011 16:32     965
8/11/2011 16:28     963
8/11/2011 16:27     962
8/11/2011 15:30     961

有什么建议吗？

Answer 1

我不完全确定你有什么问题。

你知道如何读取文件吗？你可以这样做：

data = [] # Empty list of counts

# Skip the header
lines = [line.strip() for line in open('data.txt')][2::]

for line in lines:
    print line
    date, hour, count = line.split()
    h,m = hour.split(':')
    t = int(h) * 60 + int(m)      # Compute total minutes
    data.append( (t, int(count) ) ) # Append as tuple

data.reverse()

由于你的数据是累积的，你需要减去每两个条目，这就是
python 的列表推导式非常好。

data = [(t1, d2 - d1) for ((t1,d1), (t2, d2)) in zip(data, data[1:])]
print data

现在我们需要循环查看过去 x 分钟内有多少条目。

timewindow = 10
for i, (t, count) in enumerate(data):
    # Find the entries that happened within the last [...] minutes
    withinwindow = filter( lambda x: x[0] > t - timewindow, data )
    # now you can print out any kind of stats about this "within window" entries
    print sum( count for (t, count) in withinwindow )

Answer 2

由于时间戳不是定期出现的，因此您应该使用插值来获得最准确的结果。这也将使滚动平均值变得更容易。我在这个答案中使用Interpolate类下面的代码。

from time import strptime, mktime

totime = lambda x: int(mktime(strptime(x, "%d/%m/%Y %H:%M")))
with open("my_file.txt", "r") as myfile:
    # Skip header
    for line in myfile:
        if line.startswith("DATE"):
            break
    times = []
    values = []
    for line in myfile:
        date, time, value = line.split()
        times.append(totime(" ".join((date, time))))
        values.append(int(value))
times.reverse()
values.reverse()
i = Interpolate(times, values)

现在只需选择间隔并计算每个间隔端点之间的差异即可。让我们为此创建一个生成器函数：

def rolling_avg(cumulative_lookup, start, stop, step_size, window_size):
    for t in range(start + window_size, stop, step_size):
        total = cumulative_lookup[t] - cumulative_lookup[t - window_size]
        yield total / window_size

下面我以 10 分钟的间隔打印前一小时每小时的提示数：

start = totime("8/11/2011 15:30")
stop = totime("8/11/2011 20:33")
for avg in rolling_avg(i, start, stop, 600, 3600):
    print avg * 3600

编辑：使 totime 返回一个 int 并创建了 rolling_avg 生成器。