好的，我们可以通过Python结合Pandas库来完成这个任务。以下是详细的步骤和解释： --- ### **解决方案** 我们需要处理两个文件：`Temp.txt` 和 `Prec.csv`。目标是对每一天的数据分别计算最高气温、最低气温、平均气温以及日总降水量，并最终将结果保存到一个Excel表格。 #### 步骤分解： 1. **加载数据** - 使用 Pandas 加载 `Temp.txt` 文件（假设其存储了时间戳和温度数据），并将其解析为 DataFrame 格式。 - 同样地，加载 `Prec.csv` 文件，确保其中包含日期信息及对应的降水量值。 2. **预处理数据** - 确保两份数据的时间列能够作为索引使用，并转换为 Python 的 datetime 类型以便按天分组操作。 3. **逐站统计每日气象指标** - 对于温度数据 (`Temp.txt`)： - 每个站点按照日期进行分组； - 分别提取每组的最大值 (最高气温)、最小值 (最低气温)，并对所有小时均值求算术平均得到“平均气温”。 - 对于降水数据 (`Prec.csv`)： - 将同一天的所有小时降水量相加即得该日的总降水量。 4. **整合并导出至 Excel 表格** - 创建一个新的 DataFrame 来存放各站点每天的各项统计数据； - 最后通过 pandas 提供的功能直接写入 `.xlsx` 文件中。 ```python import pandas as pd # 一、加载数据 temp = pd.read_csv('Temp.txt', sep='\s+', parse_dates=['datetime'], index_col='datetime') precipitation = pd.read_csv('Prec.csv', parse_dates=['date'], index_col='date') # 假设 temp 数据有 'station_id'(站点ID), ‘temperature’(温度) # precipitation 中对应的是'station_id’,‘prec’ # 二、整理与加工 daily_temp_stats = ( temp.groupby(['station_id', pd.Grouper(freq="D")])['temperature'] .agg([("max", "max"), ("min", "min"), ("mean", "mean")]) ) daily_prec_sum = ( precipitation.groupby(["station_id", pd.Grouper(freq="D")])["prec"] .sum().rename("total_prec") ) # 连接温湿度数据集 final_data = daily_temp_stats.join(daily_prec_sum).reset_index() # 转换回合适格式用于输出 excel output_df = final_data.rename(columns={ 'level_0': 'Station ID', 'datetime': 'Date', 'max': 'Max Temp', 'min': 'Min Temp', 'mean': 'Avg Temp', 'total_prec': 'Daily Total Prec' }) # 导出成excel output_df.to_excel("result.xlsx", index=False) print("已成功生成 result.xlsx 文件！") ``` --- ### 结果说明 运行以上代码之后会创建名为 `result.xlsx` 的文件，内容包括以下字段： - Station ID: 站点编号； - Date: 具体某天日期； - Max Temp: 当日最大气温； - Min Temp: 当日最小气温； - Avg Temp: 平均气温； - Daily Total Prec: 日累计降水量。 如果需要进一步自定义或调整细节可以依据实际情况修改上述脚本内的变量名等设定部分。 ---