python 第三章降水强度————判别雨雪

首先将日期列合并

#!usr/bin/env python
# -*- coding:utf-8 -*-
"""
@author: Suyue
@file: datecon.py
@time: 2025/03/12
@desc:日期合并
"""
import pandas as pd

# 读取CSV文件
csv_file = 'F:/地面日值数据.csv'  # 替换为你的CSV文件路径
df = pd.read_csv(csv_file)

# 假设CSV文件中有 '年'、'月'、'日' 三列
# 将 '年'、'月'、'日' 列转换为字符串，并补齐两位数的月份和日期
df['time'] = df['Year'].astype(str) + df['Mon'].astype(str).str.zfill(2) + df['Day'].astype(str).str.zfill(2)

# 将结果写回到CSV文件中（可以覆盖原文件或写入新文件）
df.to_csv(csv_file, index=False)

# 打印结果
print(df['time'])

 保留空格前面的值，要不然地面天气现象的记录结果太多，后面的没啥用

 

#!usr/bin/env python
# -*- coding:utf-8 -*-
"""
@author: Suyue
@file: datecon.py
@time: 2025/03/12
@desc:保留空格前的数值
"""
import pandas as pd

# 读取CSV文件
csv_file = 'F:/地面日值数据.csv'  # 替换为你的CSV文件路径
df = pd.read_csv(csv_file)

# 保留 "WEP_Record" 列中第一个空格前面的数值
df['WEP_Record'] = df['WEP_Record'].str.split(' ').str[0]

# 将结果写回到CSV文件中（可以覆盖原文件或写入新文件）
df.to_csv(csv_file, index=False)

# 打印结果
print(df)

 把左括号删了

#!usr/bin/env python
# -*- coding:utf-8 -*-
"""
@author: Suyue
@file: datecon.py
@time: 2025/03/12
@desc:去除左括号
"""
import pandas as pd

# 读取CSV文件
df = pd.read_csv('F:/地面日值数据.csv')


# 定义一个函数来去除括号（这里假设只需要去除左括号`(`）
def remove_parentheses(s):
    if pd.isnull(s):  # 检查是否为空值
        return s
    return s.replace('(', '')  # 去除左括号`(`，如果需要去除右括号`)`，可以添加.replace(')', '')


# 应用函数到"WEP_Record"列
df['WEP_Record'] = df['WEP_Record'].apply(remove_parentheses)

# 将结果写回原文件（注意：这会覆盖原文件）
df.to_csv('F:/地面日值数据2.csv', index=False)

 根据 'WEP_Record' 列的值创建一个新的 'weather' 列，并根据规则判断天气现象，如果数值为50、60、80为rain,如果数值为70,85为snow，如果数值为68,83为sleet，其它值判断为else

 

#!usr/bin/env python
# -*- coding:utf-8 -*-
"""
@author: Suyue
@file: datecon.py
@time: 2025/03/12
@desc:判断天气现象
"""
import pandas as pd


# 读取CSV文件
csv_file = 'F:/地面日值数据.csv'  # 替换为你的CSV文件路径
df = pd.read_csv(csv_file)


# 定义判断天气现象的函数，增加错误处理
def get_weather(value_str):
    try:
        # 尝试将字符串转换为整数，这里假设值应该是两位数，如果是单位数则前面补0（如'5'应为'05'）
        # 但由于我们已经从CSV中读取了数据，这里直接转换即可，不需要再补0
        value = int(value_str)  # 如果value_str不是有效的整数表示，这里会抛出ValueError
        if value in [50, 60, 80]:
            return 'rain'
        elif value in [70, 85]:
            return 'snow'
        elif value in [68, 83]:
            return 'sleet'
        else:
            return 'else'
    except ValueError:
        # 如果转换失败，则捕获异常并返回'else'
        return 'else'


# 注意：这里我们不再需要先将'WEP_Record'列转换为整数，因为我们在get_weather函数内部处理转换
# 创建 'weather' 列，直接应用get_weather函数到'WEP_Record'列的每个值上
df['weather'] = df['WEP_Record'].apply(get_weather)

# 将结果写回到CSV文件中（可以覆盖原文件或写入新文件）
# 注意：覆盖原文件可能会丢失原始数据，请谨慎操作
df.to_csv(csv_file, index=False)

# 打印结果
print(df)

 筛选下雨文件，根据excel中con列的关键值

#!usr/bin/env python
# -*- coding:utf-8 -*-
"""
@author: Suyue
@file: datecon.py
@time: 2025/03/12
@desc:根据excel中con列筛选文件夹内txt下雨文件
"""
import os
import shutil
import pandas as pd

# 读取CSV文件
excel_file = 'F:/雨天.xlsx'  # 替换为你的CSV文件路径
df = pd.read_excel(excel_file)

# 假设CSV文件中有一列名为 'con'，包含要查找的关键词
keywords = df['con'].tolist()

# 指定包含TXT文件的目录
txt_directory = 'F:/行列值/'  # 替换为你的TXT文件目录路径

# 指定目标文件夹（用于存放匹配的文件）
target_directory = 'F:/rain_N/'  # 替换为你的目标文件夹路径

# 如果目标文件夹不存在，则创建它
if not os.path.exists(target_directory):
    os.makedirs(target_directory)

# 获取目录中的所有TXT文件
txt_files = [f for f in os.listdir(txt_directory) if f.endswith('.txt')]

# 查找匹配的TXT文件名并复制到目标文件夹
matched_files = []
for keyword in keywords:
    for txt_file in txt_files:
        if keyword in txt_file:
            # 构建源文件路径和目标文件路径
            source_path = os.path.join(txt_directory, txt_file)
            target_path = os.path.join(target_directory, txt_file)
            # 复制文件
            shutil.copy(source_path, target_path)
            matched_files.append(txt_file)

# # 输出匹配的文件名
# print("匹配的TXT文件名：")
# for file in matched_files:
#     print(file)

print(f"已将匹配的文件复制到目标文件夹：{target_directory}")