pandas温差查询案例的实现

 更新时间:2022年06月17日 08:25:44   作者:mighty13  
本文主要介绍了pandas温差查询案例的实现,文中通过示例代码介绍的非常详细,对大家的学习或者工作具有一定的参考学习价值,需要的朋友们下面随着小编来一起学习学习吧

任务详情

给定一各地 2016 年 1 月和 2 月各个时间点的温度表格,表格预览见页面下方。
数据表的第二列表示当前时间,数据表第一行第三列到第一行最后一列表示地点。
如:表格的第二行第三列 30.36 表示:Vancouver (温哥华)在 2016-01-01 00:00:00 这一时刻的温度是 30.36 度(华氏度)。
程序给定一个日期(date)和一个地点(place),要求返回该地在这个日期下的温差(摄氏度)。
注意:华氏度需要转换成摄氏度!
华氏度转摄氏度公式:摄氏度 = (华氏度 - 32) * 5 / 9
温差:某日最高温度 - 某日最低温度

任务要求

程序给定日期 date 和地点 place 的数据类型均是 str 类型;
程序返回结果的数据类型是 float 类型,如果最终结果是 numpy.float64 数据类型,请手动转换成 Python 原生的 float 数据类型;
结果需要四舍五入保留小数点后 2 位,请在得到最终结果后处理小数问题,否则可能导致结果有偏差。

测试用例

输入:date = ‘2月5日’,place = ‘Dallas’
输出:-5.05
解释:查询表格可知,Dallas 在 2月 5 日温度的最高值和最低值分别是 57.09 华氏度和 34.18 华氏度,
两者的温差是 22.91 华氏度,转换为摄氏度:(22.91 - 32) * 5 / 9 = -5.05

输入:date= ‘2月18日’,place = ‘Houston’
输出:-1.78
解释:查询表格可知,Dallas 在 2月 5 日温度的最高值和最低值分别是 75.7 华氏度和 46.9 华氏度,
两者的温差是 28.8 华氏度,转换为摄氏度:(28.8 - 32) * 5 / 9 = -1.7777…. ≈ 1.78

输入:date = ‘1月21日’,place = 'Las Vegas’
输出:-1.99

任务实现

import pandas
class Solution:
    def temperature(self, date: str, place: str) -> float:
        # 将查询日期转换为日期字符串
        month, day_ = date.split("月")
        day, _ = day_.split("日")
        if len(month) == 1:
            month = "0" + month
        if len(day) == 1:
            day = "0" + day
        date_str = "2016" + "-" + month + "-" + day
        # 读取数据
        url = "http://ws1.itmc.org.cn:80/JS00101/data/user/4799/208/fj_4097_temperature_2016_1_2.csv"
        temperature_data = pandas.read_csv(url, sep=",")
        # 获取数据的日期字符串
        temperature_data["day"] = temperature_data["datetime"].str[:10]
        # 根据日期字符串选择指定日期数据行
        day = temperature_data[temperature_data["day"] == date_str]
        # 根据地点选择选择温度数据行
        city = day[place]
        # 温度单位转换
        temperature = (city.max() - city.min() - 32) * 5 / 9
        # 温度精度处理
        return float(temperature.round(2))

print(Solution.temperature(Solution, date="2月5日", place="Dallas"))
print(Solution.temperature(Solution, date="2月18日", place="Houston"))
print(Solution.temperature(Solution, date="1月21日", place="Las Vegas"))

输出为:

-5.05
-1.78
-1.99

 到此这篇关于pandas温差查询案例的实现的文章就介绍到这了,更多相关pandas温差查询 内容请搜索脚本之家以前的文章或继续浏览下面的相关文章希望大家以后多多支持脚本之家!

相关文章

  • Pandas中DataFrame交换列顺序的方法实现

    Pandas中DataFrame交换列顺序的方法实现

    这篇文章主要介绍了Pandas中DataFrame交换列顺序的方法实现,文中通过示例代码介绍的非常详细,对大家的学习或者工作具有一定的参考学习价值,需要的朋友们下面随着小编来一起学习学习吧
    2020-12-12
  • python最常用的三种输出格式解读

    python最常用的三种输出格式解读

    这篇文章主要介绍了python最常用的三种输出格式,具有很好的参考价值,希望对大家有所帮助,如有错误或未考虑完全的地方,望不吝赐教
    2024-02-02
  • Django项目中包含多个应用时对url的配置方法

    Django项目中包含多个应用时对url的配置方法

    今天小编就为大家分享一篇Django项目中包含多个应用时对url的配置方法,具有很好的参考价值,希望对大家有所帮助。一起跟随小编过来看看吧
    2018-05-05
  • python中round函数保留两位小数的方法

    python中round函数保留两位小数的方法

    在本篇内容里小编给各位分享的是一篇关于python中round函数保留两位小数的方法及相关知识点,有兴趣的朋友们可以学习下。
    2020-12-12
  • Django vue前后端分离整合过程解析

    Django vue前后端分离整合过程解析

    这篇文章主要介绍了Django vue前后端分离整合过程解析,文中通过示例代码介绍的非常详细,对大家的学习或者工作具有一定的参考学习价值,需要的朋友可以参考下
    2020-11-11
  • django 多数据库及分库实现方式

    django 多数据库及分库实现方式

    这篇文章主要介绍了django 多数据库及分库实现方式,具有很好的参考价值,希望对大家有所帮助。一起跟随小编过来看看吧
    2020-04-04
  • pycharm中没有找到database的解决方案

    pycharm中没有找到database的解决方案

    这篇文章主要介绍了pycharm中没有找到database的解决方案,具有很好的参考价值,希望对大家有所帮助。如有错误或未考虑完全的地方,望不吝赐教
    2022-07-07
  • 使用Python中OpenCV和深度学习进行全面嵌套边缘检测

    使用Python中OpenCV和深度学习进行全面嵌套边缘检测

    这篇文章主要介绍了使用Python中OpenCV和深度学习进行全面嵌套边缘检测,文中通过示例代码介绍的非常详细,对大家的学习或者工作具有一定的参考学习价值,需要的朋友们下面随着小编来一起学习学习吧
    2021-05-05
  • python利用smtplib实现QQ邮箱发送邮件

    python利用smtplib实现QQ邮箱发送邮件

    这篇文章主要为大家详细介绍了python利用smtplib实现QQ邮箱发送邮件,具有一定的参考价值,感兴趣的小伙伴们可以参考一下
    2018-05-05
  • Python win32com 操作Exce的l简单方法(必看)

    Python win32com 操作Exce的l简单方法(必看)

    下面小编就为大家带来一篇Python win32com 操作Exce的l简单方法(必看)。小编觉得挺不错的,现在就分享给大家,也给大家做个参考。一起跟随小编过来看看吧
    2017-05-05

最新评论