質問編集履歴
7
f
test
CHANGED
File without changes
|
test
CHANGED
@@ -1,35 +1 @@
|
|
1
1
|
ある数年間の気温(時別)データの中で前日同時刻との気温差の絶対値が大きい順に上位5を得たいのですが、python のpandas、numpyを使って処理しようと思いましたがわかりません。。diff()やresample()メソッドを使ったら良さそうな気がするのですが、どのような引数を使えばいいのか検討がつきません。。
|
2
|
-
|
3
|
-
|
4
|
-
|
5
|
-
例えば1月1日の1:00と1月2日の1:00の気温差を計算する(絶対値)。
|
6
|
-
|
7
|
-
date temperature
|
8
|
-
|
9
|
-
0 2018/1/1 1:00 1.5
|
10
|
-
|
11
|
-
1 2018/1/1 2:00 1
|
12
|
-
|
13
|
-
2 2018/1/1 3:00 1.2
|
14
|
-
|
15
|
-
3 2018/1/1 4:00 0.6
|
16
|
-
|
17
|
-
4 2018/1/1 5:00 1.9
|
18
|
-
|
19
|
-
|
20
|
-
|
21
|
-
... ... ...
|
22
|
-
|
23
|
-
|
24
|
-
|
25
|
-
|
26
|
-
|
27
|
-
1411 2018/2/28 20:00 9.9
|
28
|
-
|
29
|
-
1412 2018/2/28 21:00 9.9
|
30
|
-
|
31
|
-
1413 2018/2/28 22:00 9.9
|
32
|
-
|
33
|
-
1414 2018/2/28 23:00 7.8
|
34
|
-
|
35
|
-
1415 2018/3/1 0:00 7.9
|
6
d
test
CHANGED
File without changes
|
test
CHANGED
File without changes
|
5
d
test
CHANGED
@@ -1 +1 @@
|
|
1
|
-
|
1
|
+
Pythonライブラリを使って行間比較
|
test
CHANGED
File without changes
|
4
d
test
CHANGED
File without changes
|
test
CHANGED
@@ -1,10 +1,8 @@
|
|
1
|
-
ある数年間の気温(時別)データの中で前日同時刻との気温差の絶対値が大きい順に上位5を得たいのですが、
|
1
|
+
ある数年間の気温(時別)データの中で前日同時刻との気温差の絶対値が大きい順に上位5を得たいのですが、python のpandas、numpyを使って処理しようと思いましたがわかりません。。diff()やresample()メソッドを使ったら良さそうな気がするのですが、どのような引数を使えばいいのか検討がつきません。。
|
2
|
-
|
3
|
-
python のpandasを使って処理しようと思いましたがわかりません。。
|
4
2
|
|
5
3
|
|
6
4
|
|
7
|
-
例えば1月1日の1:00と1月2日の1:00の気温差を計算する。
|
5
|
+
例えば1月1日の1:00と1月2日の1:00の気温差を計算する(絶対値)。
|
8
6
|
|
9
7
|
date temperature
|
10
8
|
|
@@ -18,69 +16,13 @@
|
|
18
16
|
|
19
17
|
4 2018/1/1 5:00 1.9
|
20
18
|
|
21
|
-
5 2018/1/1 6:00 1.6
|
22
19
|
|
23
|
-
6 2018/1/1 7:00 1.5
|
24
|
-
|
25
|
-
7 2018/1/1 8:00 2.7
|
26
|
-
|
27
|
-
8 2018/1/1 9:00 5.5
|
28
|
-
|
29
|
-
9 2018/1/1 10:00 8.1
|
30
|
-
|
31
|
-
10 2018/1/1 11:00 10.8
|
32
|
-
|
33
|
-
11 2018/1/1 12:00 12.2
|
34
|
-
|
35
|
-
12 2018/1/1 13:00 12.3
|
36
|
-
|
37
|
-
13 2018/1/1 14:00 12.4
|
38
|
-
|
39
|
-
14 2018/1/1 15:00 11.7
|
40
|
-
|
41
|
-
15 2018/1/1 16:00 10.5
|
42
|
-
|
43
|
-
16 2018/1/1 17:00 9.3
|
44
|
-
|
45
|
-
17 2018/1/1 18:00 8
|
46
|
-
|
47
|
-
18 2018/1/1 19:00 7.3
|
48
|
-
|
49
|
-
19 2018/1/1 20:00 6.7
|
50
|
-
|
51
|
-
20 2018/1/1 21:00 6
|
52
|
-
|
53
|
-
21 2018/1/1 22:00 5.9
|
54
|
-
|
55
|
-
22 2018/1/1 23:00 5.3
|
56
|
-
|
57
|
-
23 2018/1/2 0:00 3.8
|
58
|
-
|
59
|
-
24 2018/1/2 1:00 5
|
60
|
-
|
61
|
-
25 2018/1/2 2:00 5.6
|
62
|
-
|
63
|
-
26 2018/1/2 3:00 5.8
|
64
|
-
|
65
|
-
27 2018/1/2 4:00 5.3
|
66
|
-
|
67
|
-
28 2018/1/2 5:00 4
|
68
|
-
|
69
|
-
29 2018/1/2 6:00 1.3
|
70
20
|
|
71
21
|
... ... ...
|
72
22
|
|
73
23
|
|
74
24
|
|
75
|
-
1406 2018/2/28 15:00 13.6
|
76
25
|
|
77
|
-
1407 2018/2/28 16:00 12.4
|
78
|
-
|
79
|
-
1408 2018/2/28 17:00 11.7
|
80
|
-
|
81
|
-
1409 2018/2/28 18:00 11
|
82
|
-
|
83
|
-
1410 2018/2/28 19:00 10.5
|
84
26
|
|
85
27
|
1411 2018/2/28 20:00 9.9
|
86
28
|
|
3
j
test
CHANGED
@@ -1 +1 @@
|
|
1
|
-
|
1
|
+
pandasを使って行間比較の仕方(python)
|
test
CHANGED
File without changes
|
2
改善
test
CHANGED
@@ -1 +1 @@
|
|
1
|
-
SQliteでの行間比較の仕方
|
1
|
+
SQliteでの行間比較の仕方(python)
|
test
CHANGED
@@ -1,4 +1,6 @@
|
|
1
1
|
ある数年間の気温(時別)データの中で前日同時刻との気温差の絶対値が大きい順に上位5を得たいのですが、様々な関数(between,abs,orderby)などをどのように組み合わせれば良いのでしょうか。。
|
2
|
+
|
3
|
+
python のpandasを使って処理しようと思いましたがわかりません。。
|
2
4
|
|
3
5
|
|
4
6
|
|
1
改善
test
CHANGED
File without changes
|
test
CHANGED
@@ -1 +1,91 @@
|
|
1
|
-
ある数年間の気温(時別)データの中で前日との気温差
|
1
|
+
ある数年間の気温(時別)データの中で前日同時刻との気温差の絶対値が大きい順に上位5を得たいのですが、様々な関数(between,abs,orderby)などをどのように組み合わせれば良いのでしょうか。。
|
2
|
+
|
3
|
+
|
4
|
+
|
5
|
+
例えば1月1日の1:00と1月2日の1:00の気温差を計算する。
|
6
|
+
|
7
|
+
date temperature
|
8
|
+
|
9
|
+
0 2018/1/1 1:00 1.5
|
10
|
+
|
11
|
+
1 2018/1/1 2:00 1
|
12
|
+
|
13
|
+
2 2018/1/1 3:00 1.2
|
14
|
+
|
15
|
+
3 2018/1/1 4:00 0.6
|
16
|
+
|
17
|
+
4 2018/1/1 5:00 1.9
|
18
|
+
|
19
|
+
5 2018/1/1 6:00 1.6
|
20
|
+
|
21
|
+
6 2018/1/1 7:00 1.5
|
22
|
+
|
23
|
+
7 2018/1/1 8:00 2.7
|
24
|
+
|
25
|
+
8 2018/1/1 9:00 5.5
|
26
|
+
|
27
|
+
9 2018/1/1 10:00 8.1
|
28
|
+
|
29
|
+
10 2018/1/1 11:00 10.8
|
30
|
+
|
31
|
+
11 2018/1/1 12:00 12.2
|
32
|
+
|
33
|
+
12 2018/1/1 13:00 12.3
|
34
|
+
|
35
|
+
13 2018/1/1 14:00 12.4
|
36
|
+
|
37
|
+
14 2018/1/1 15:00 11.7
|
38
|
+
|
39
|
+
15 2018/1/1 16:00 10.5
|
40
|
+
|
41
|
+
16 2018/1/1 17:00 9.3
|
42
|
+
|
43
|
+
17 2018/1/1 18:00 8
|
44
|
+
|
45
|
+
18 2018/1/1 19:00 7.3
|
46
|
+
|
47
|
+
19 2018/1/1 20:00 6.7
|
48
|
+
|
49
|
+
20 2018/1/1 21:00 6
|
50
|
+
|
51
|
+
21 2018/1/1 22:00 5.9
|
52
|
+
|
53
|
+
22 2018/1/1 23:00 5.3
|
54
|
+
|
55
|
+
23 2018/1/2 0:00 3.8
|
56
|
+
|
57
|
+
24 2018/1/2 1:00 5
|
58
|
+
|
59
|
+
25 2018/1/2 2:00 5.6
|
60
|
+
|
61
|
+
26 2018/1/2 3:00 5.8
|
62
|
+
|
63
|
+
27 2018/1/2 4:00 5.3
|
64
|
+
|
65
|
+
28 2018/1/2 5:00 4
|
66
|
+
|
67
|
+
29 2018/1/2 6:00 1.3
|
68
|
+
|
69
|
+
... ... ...
|
70
|
+
|
71
|
+
|
72
|
+
|
73
|
+
1406 2018/2/28 15:00 13.6
|
74
|
+
|
75
|
+
1407 2018/2/28 16:00 12.4
|
76
|
+
|
77
|
+
1408 2018/2/28 17:00 11.7
|
78
|
+
|
79
|
+
1409 2018/2/28 18:00 11
|
80
|
+
|
81
|
+
1410 2018/2/28 19:00 10.5
|
82
|
+
|
83
|
+
1411 2018/2/28 20:00 9.9
|
84
|
+
|
85
|
+
1412 2018/2/28 21:00 9.9
|
86
|
+
|
87
|
+
1413 2018/2/28 22:00 9.9
|
88
|
+
|
89
|
+
1414 2018/2/28 23:00 7.8
|
90
|
+
|
91
|
+
1415 2018/3/1 0:00 7.9
|