python - 在 for 循环中访问过去的日期时间

Question

我目前正在解决一个问题，但现在却陷入了实现其中一个步骤的困境。我编写了以下示例，这是一个简单的场景，以探索可能性。文本的长度可能会令人恐惧，但这只是我试图更好地解释它。

发生的事情是，我每秒都有一个 for 循环，我有 Variable_1，它是用于设置 Variable_2 的引用值。此代码发生的情况是，每秒都会将 Variable_1[i] 与 Variable_2i 进行比较，如果差异大于 1.5，则 Variable_2i 已更新。最后，结果存储在Variable_2中。

import pandas as pd
import numpy as np

df = pd.DataFrame()
start = pd.Timestamp('2013-08-14T00:00')
end = pd.Timestamp('2013-08-14T01:00')
t = np.linspace(start.value, end.value, 60*60+1)
df['Timestamp'] = pd.to_datetime(t)
df['Variable_1'] = 270 +  90*np.sin(2*np.pi*1*np.arange(3601)/3601)

Variable_2i = 270
Variable_2 = np.array([])

for i,val in enumerate(df['Variable_1'].values):    
    if abs(val - Variable_2i) >= 1.5:
        Variable_2i = val
    else:    
        Variable_2i = Variable_2i

    Variable_2 = np.append(Variable_2, Variable_2i)

df['Variable_2'] = Variable_2

但是，假设现在我希望 Variable_2i 以每秒 0.3 个单位的速率更新，直到达到满足条件的值。这意味着我得到的结果与预期的结果类似:

               Timestamp  Variable_1  Variable_2
0    2013-08-14 00:00:00  270.000000  270.000000
1    2013-08-14 00:00:01  270.157036  270.000000
2    2013-08-14 00:00:02  270.314071  270.000000
3    2013-08-14 00:00:03  270.471106  270.000000
4    2013-08-14 00:00:04  270.628139  270.000000
5    2013-08-14 00:00:05  270.785170  270.000000
6    2013-08-14 00:00:06  270.942199  270.000000
7    2013-08-14 00:00:07  271.099225  270.000000
8    2013-08-14 00:00:08  271.256247  270.000000
9    2013-08-14 00:00:09  271.413266  270.000000
10   2013-08-14 00:00:10  271.570280  271.570280
11   2013-08-14 00:00:11  271.727290  271.570280
12   2013-08-14 00:00:12  271.884294  271.570280
13   2013-08-14 00:00:13  272.041293  271.570280
14   2013-08-14 00:00:14  272.198286  271.570280
15   2013-08-14 00:00:15  272.355271  271.570280

我会得到这样的东西:

               Timestamp  Variable_1  Variable_2
0    2013-08-14 00:00:00  270.000000  270.000000
1    2013-08-14 00:00:01  270.157036  270.000000
2    2013-08-14 00:00:02  270.314071  270.000000
3    2013-08-14 00:00:03  270.471106  270.000000
4    2013-08-14 00:00:04  270.628139  270.000000
5    2013-08-14 00:00:05  270.785170  270.000000
6    2013-08-14 00:00:06  270.942199  270.000000
7    2013-08-14 00:00:07  271.099225  270.000000
8    2013-08-14 00:00:08  271.256247  270.000000
9    2013-08-14 00:00:09  271.413266  270.000000
10   2013-08-14 00:00:10  271.570280  270.300000
11   2013-08-14 00:00:11  271.727290  270.600000
12   2013-08-14 00:00:12  271.884294  270.900000
13   2013-08-14 00:00:13  272.041293  271.200000
14   2013-08-14 00:00:14  272.198286  271.500000
15   2013-08-14 00:00:15  272.355271  271.570280

请注意Variable_2 列的最后一个值的差异，以便更好地理解我的意思。到目前为止，从我自己的想法来看，必须有一种方法可以保留引用值而不更新或在 for 循环中访问过去的日期时间，但是由于我对 python 很陌生，我不确定这种想法是否存在.

希望我能够做到简洁而准确。我非常感谢您在这方面的帮助!

Answer 1

希望我能理解您在这里寻找的内容。

在 for 循环之外声明一个 target 变量。这将保存将以 0.3 为步长移动的值:

target = Variable_2i

每当您达到 val 的指定阈值且 Variable_2i 的差异大于或等于 1.5 时，请设置一个目标 :

if abs(val - Variable_2i) >= 1.5:
    target = val

当您循环时，如果目标大于您的Variable_2i，您希望以0.3逐步接近它:

if target != Variable_2i:
    separation = target - Variable_2i
    if abs(separation) > 0.3:
        Variable_2i += 0.3 if separation > 0 else -0.3
    else:
        Variable_2i = target

把这些放在一起:

Variable_2i = 270
target = Variable_2i
Variable_2 = np.array([])

for val in df['Variable_1'].values:
    if target != Variable_2i:
        separation = target - Variable_2i
        if abs(separation) > 0.3:
            Variable_2i += 0.3 if separation > 0 else -0.3
        else:
            Variable_2i = target
    elif abs(val - Variable_2i) >= 1.5:
        target = val

    Variable_2 = np.append(Variable_2, Variable_2i)

df['Variable_2'] = Variable_2

注意:这将朝着最初触发变化的方向迈进，直到到达那里，即使实际值向另一个方向摆动。