python气象数据处理实例：构造自定义时间索引（时间戳）/r站点日均转月均/dataframe添加时间索引(datetimeindex)

背景与数据

pandas作为python里常用的时间序列分析库，在气象数据处理中有着极为广泛地应用，其resample功能可以轻松地将不同频率时间序列转换，这正好满足气象中需要求日均、月均、甚至季节平均的需要，但是，resample需要其序列（series）或数据框(dataframe)具有时间索引，可在一些气象站点数据中，时间索引需要我们自己构建添加，而这些时间点并不均匀分布——换句话说，在某些时间点，数据缺失，这时需要我们自己构建时间日期，并添加至dataframe成为时间索引，再使用resample采样。
下面我将以Barrow站点2018年小时气象数据为例，讲解我的做法，数据来源：Barrow-in-situ-hourly
数据长这样：

逐小时气象数据，全年放在一个txt文件里。
读取至python时，发现它只有8184列，而不是365×24=8760，同时，时间是以四列组成：年、月、日、时。

构建时间戳

首先读取数据，把月日时提取出来：

import os
import numpy as np
import xarray as xr
import pandas as pd
import datetime as dt
import time
os.chdir('D:/arctic-in-situ/')
bar=pd.read_table('met_Barrow_hour_2018.txt',sep='\s+',header=None,index_col=(0))
mon=to_np(bar.iloc[:,1])
day=to_np(bar.iloc[:,2])
hour=to_np(bar.iloc[:,3])

构建datename数据：

bar_date={}
for i in range(0,8184):
    bar_date[i]=dt.datetime(2018,mon[i],day[i],hour[i])

此时，bar_date为字典类型，为了方便插入，我们将其转换类型，否则会出错：

#添加时间戳\
bar_date=pd.Series(bar_date)
bar_date=bar_date.tolist()
bar.insert(0, 'date', None)
bar['date']=bar['date'].astype('datetime64[ns]')
bar['date']=bar_date

构建时间索引

bar=bar.set_index('date')#将date作为标签
bar.index=pd.DatetimeIndex(bar.index)#将标签转为时间索引
bar.axes#查看

数据与时间索引。

计算

接下来使用resample计算就行啦，可以根据需要求日均、月均、季节，比如这里我求了月均：

bar_mave=bar.resample('M').mean()

得到：

解决。
完整代码：

import os
import numpy as np
import xarray as xr
import pandas as pd
import datetime as dt
import time
os.chdir('D:/arctic-in-situ/')
bar=pd.read_table('met_Barrow_hour_2018.txt',sep='\s+',header=None,index_col=(0))
mon=to_np(bar.iloc[:,1])
day=to_np(bar.iloc[:,2])
hour=to_np(bar.iloc[:,3])
#构建时间戳
bar_date={}
for i in range(0,8184):
    bar_date[i]=dt.datetime(2018,mon[i],day[i],hour[i])
#添加时间戳\
bar_date=pd.Series(bar_date)
bar_date=bar_date.tolist()
bar.insert(0, 'date', None)
bar['date']=bar['date'].astype('datetime64[ns]')
bar['date']=bar_date
bar=bar.set_index('date')#将date作为标签
bar.index=pd.DatetimeIndex(bar.index)#将标签转为时间索引
bar.axes#查看
bar_mave=bar.resample('M').mean()