第二章 - 数据筛选

在上一章中，你了解了如何读取和打印一些原始数据。现在，尝试选择几列并正确处理它们。

从以下两列开始：时间（time）和震级（mag）。从这些列中获取信息后，筛选并适应数据。尝试将日期格式化为Qt类型。

对于震级列，不需要做太多，因为它只是一个浮点数。可以特别小心地检查数据是否正确。通过筛选满足条件“震级> 0”的数据，可以避免错误数据或意外行为。

日期列提供的数据是UTC格式（例如，2018-12-11T21:14:44.682Z），因此可以轻松将其映射到定义字符串结构的QDateTime对象。另外，可以使用QTimeZone根据你的时区调整时间。

以下脚本如前所述筛选和格式化CSV数据

import argparse
import pandas as pd

from PySide6.QtCore import QDateTime, QTimeZone


def transform_date(utc, timezone=None):
    utc_fmt = "yyyy-MM-ddTHH:mm:ss.zzzZ"
    new_date = QDateTime().fromString(utc, utc_fmt)
    if timezone:
        new_date.setTimeZone(timezone)
    return new_date


def read_data(fname):
    # Read the CSV content
    df = pd.read_csv(fname)

    # Remove wrong magnitudes
    df = df.drop(df[df.mag < 0].index)
    magnitudes = df["mag"]

    # My local timezone
    timezone = QTimeZone(b"Europe/Berlin")

    # Get timestamp transformed to our timezone
    times = df["time"].apply(lambda x: transform_date(x, timezone))

    return times, magnitudes


if __name__ == "__main__":
    options = argparse.ArgumentParser()
    options.add_argument("-f", "--file", type=str, required=True)
    args = options.parse_args()
    data = read_data(args.file)
    print(data)

现在你已经有一个QDateTime和浮点数的元组，尝试进一步改进输出。接下来的章节将介绍这一点。