import pandas as pd
data1=pd.read_excel("C://Users//JJH//Desktop//E//附件_一季度.xlsx")
data2=pd.read_excel("C://Users//JJH//Desktop//E//附件_二季度.xlsx")
data3=pd.read_excel("C://Users//JJH//Desktop//E//附件_三季度.xlsx")
data4=pd.read_excel("C://Users//JJH//Desktop//E//附件_四季度.xlsx")
data1

	水表名	水表号	采集时间	上次读数	当前读数	用量
0	司法鉴定中心	0	2019/1/1 00:15:00	2157.1	2157.1	0.0
1	司法鉴定中心	0	2019/1/1 00:30:00	2157.1	2157.1	0.0
2	司法鉴定中心	0	2019/1/1 00:45:00	2157.1	2157.1	0.0
3	司法鉴定中心	0	2019/1/1 01:00:00	2157.1	2157.1	0.0
4	司法鉴定中心	0	2019/1/1 01:15:00	2157.1	2157.1	0.0
...	...	...	...	...	...	...
729278	物业	3030100102	2019/3/31 22:45:00	50.9	50.9	0.0
729279	物业	3030100102	2019/3/31 23:00:00	50.9	50.9	0.0
729280	物业	3030100102	2019/3/31 23:15:00	50.9	50.9	0.0
729281	物业	3030100102	2019/3/31 23:30:00	50.9	50.9	0.0
729282	物业	3030100102	2019/3/31 23:45:00	50.9	50.9	0.0

729283 rows × 6 columns

data1.isnull().sum()

水表名     0
水表号     0
采集时间    0
上次读数    0
当前读数    0
用量      0
dtype: int64

data2.isnull().sum()

水表名     0
水表号     0
采集时间    0
上次读数    0
当前读数    0
用量      0
dtype: int64

data3.isnull().sum()

水表名     0
水表号     0
采集时间    0
上次读数    0
当前读数    0
用量      0
dtype: int64

data4.isnull().sum()

水表名     0
水表号     0
采集时间    0
上次读数    0
当前读数    0
用量      0
dtype: int64

import numpy as np
# 合并数据
data1['季度'] = pd.Series(["一季度" for i in range(len(data1.index))])
data2['季度'] = pd.Series(["二季度" for i in range(len(data2.index))])
data3['季度'] = pd.Series(["三季度" for i in range(len(data3.index))])
data4['季度'] = pd.Series(["四季度" for i in range(len(data4.index))])
data1

	水表名	水表号	采集时间	上次读数	当前读数	用量	季度
0	司法鉴定中心	0	2019/1/1 00:15:00	2157.1	2157.1	0.0	一季度
1	司法鉴定中心	0	2019/1/1 00:30:00	2157.1	2157.1	0.0	一季度
2	司法鉴定中心	0	2019/1/1 00:45:00	2157.1	2157.1	0.0	一季度
3	司法鉴定中心	0	2019/1/1 01:00:00	2157.1	2157.1	0.0	一季度
4	司法鉴定中心	0	2019/1/1 01:15:00	2157.1	2157.1	0.0	一季度
...	...	...	...	...	...	...	...
729278	物业	3030100102	2019/3/31 22:45:00	50.9	50.9	0.0	一季度
729279	物业	3030100102	2019/3/31 23:00:00	50.9	50.9	0.0	一季度
729280	物业	3030100102	2019/3/31 23:15:00	50.9	50.9	0.0	一季度
729281	物业	3030100102	2019/3/31 23:30:00	50.9	50.9	0.0	一季度
729282	物业	3030100102	2019/3/31 23:45:00	50.9	50.9	0.0	一季度

729283 rows × 7 columns

data = data1.append([data2,data3,data4],ignore_index=True) # 添加合并
data

C:\Users\JJH\AppData\Local\Temp\ipykernel_31264\4019438690.py:1: FutureWarning: The frame.append method is deprecated and will be removed from pandas in a future version. Use pandas.concat instead.
  data = data1.append([data2,data3,data4],ignore_index=True) # 添加合并

	水表名	水表号	采集时间	上次读数	当前读数	用量	季度
0	司法鉴定中心	0	2019/1/1 00:15:00	2157.1	2157.1	0.0	一季度
1	司法鉴定中心	0	2019/1/1 00:30:00	2157.1	2157.1	0.0	一季度
2	司法鉴定中心	0	2019/1/1 00:45:00	2157.1	2157.1	0.0	一季度
3	司法鉴定中心	0	2019/1/1 01:00:00	2157.1	2157.1	0.0	一季度
4	司法鉴定中心	0	2019/1/1 01:15:00	2157.1	2157.1	0.0	一季度
...	...	...	...	...	...	...	...
3086783	消防	3620303200	2019/12/31 22:45:00	22.0	22.0	0.0	四季度
3086784	消防	3620303200	2019/12/31 23:00:00	22.0	22.0	0.0	四季度
3086785	消防	3620303200	2019/12/31 23:15:00	22.0	22.0	0.0	四季度
3086786	消防	3620303200	2019/12/31 23:30:00	22.0	22.0	0.0	四季度
3086787	消防	3620303200	2019/12/31 23:45:00	22.0	22.0	0.0	四季度

3086788 rows × 7 columns

x=data[['水表名','用量','采集时间']]
x

	水表名	用量	采集时间
0	司法鉴定中心	0.0	2019/1/1 00:15:00
1	司法鉴定中心	0.0	2019/1/1 00:30:00
2	司法鉴定中心	0.0	2019/1/1 00:45:00
3	司法鉴定中心	0.0	2019/1/1 01:00:00
4	司法鉴定中心	0.0	2019/1/1 01:15:00
...	...	...	...
3086783	消防	0.0	2019/12/31 22:45:00
3086784	消防	0.0	2019/12/31 23:00:00
3086785	消防	0.0	2019/12/31 23:15:00
3086786	消防	0.0	2019/12/31 23:30:00
3086787	消防	0.0	2019/12/31 23:45:00

3086788 rows × 3 columns

x1=x[x['水表名']=='消防']
x1

	水表名	用量	采集时间
1500912	消防	0.0	2019/4/22 12:15:00
1500913	消防	0.0	2019/4/22 12:30:00
1500914	消防	0.0	2019/4/22 12:45:00
1500915	消防	0.0	2019/4/22 13:00:00
1500916	消防	0.0	2019/4/22 13:15:00
...	...	...	...
3086783	消防	0.0	2019/12/31 22:45:00
3086784	消防	0.0	2019/12/31 23:00:00
3086785	消防	0.0	2019/12/31 23:15:00
3086786	消防	0.0	2019/12/31 23:30:00
3086787	消防	0.0	2019/12/31 23:45:00

23984 rows × 3 columns

import matplotlib.pyplot as plt

print(len(x1))

23984

# 自定义x轴刻度
xticks = ['Jan', 'Mar', 'May', 'Jul', 'Sep','Nov']  # 自定义刻度标签
x = range(23984)



# 自定义x轴刻度
num_ticks = 6  # 指定刻度数量
step = len(x) // num_ticks  # 计算刻度步长
xtick_positions = [i * step for i in range(num_ticks)]  # 生成刻度位置
plt.xticks(xtick_positions, xticks)
plt.plot(x1['采集时间'],x1['用量'],color='black',linewidth=0.5)
plt.show()       

​

​

x=data[['水表名','用量','采集时间']]
x     

	水表名	用量	采集时间
0	司法鉴定中心	0.0	2019/1/1 00:15:00
1	司法鉴定中心	0.0	2019/1/1 00:30:00
2	司法鉴定中心	0.0	2019/1/1 00:45:00
3	司法鉴定中心	0.0	2019/1/1 01:00:00
4	司法鉴定中心	0.0	2019/1/1 01:15:00
...	...	...	...
3086783	消防	0.0	2019/12/31 22:45:00
3086784	消防	0.0	2019/12/31 23:00:00
3086785	消防	0.0	2019/12/31 23:15:00
3086786	消防	0.0	2019/12/31 23:30:00
3086787	消防	0.0	2019/12/31 23:45:00

3086788 rows × 3 columns

x2=x[x['水表名']=='XXX第一学生宿舍']
x2

	水表名	用量	采集时间
220372	XXX第一学生宿舍	0.12	2019/1/1 00:15:00
220373	XXX第一学生宿舍	0.12	2019/1/1 00:30:00
220374	XXX第一学生宿舍	0.12	2019/1/1 00:45:00
220375	XXX第一学生宿舍	0.12	2019/1/1 01:00:00
220376	XXX第一学生宿舍	0.12	2019/1/1 01:15:00
...	...	...	...
2533541	XXX第一学生宿舍	0.40	2019/12/31 22:45:00
2533542	XXX第一学生宿舍	0.40	2019/12/31 23:00:00
2533543	XXX第一学生宿舍	0.50	2019/12/31 23:15:00
2533544	XXX第一学生宿舍	0.50	2019/12/31 23:30:00
2533545	XXX第一学生宿舍	0.50	2019/12/31 23:45:00

35039 rows × 3 columns

# 自定义x轴刻度
xticks = ['Jan', 'Mar', 'May', 'Jul', 'Sep','Nov']  # 自定义刻度标签




# 自定义x轴刻度
num_ticks = 6  # 指定刻度数量
step = len(x2) // num_ticks  # 计算刻度步长
xtick_positions = [i * step for i in range(num_ticks)]  # 生成刻度位置
plt.xticks(xtick_positions, xticks)
plt.plot(x2['采集时间'],x2['用量'],color='black',linewidth=0.5)
plt.show()       

​

​

x=data[['水表名','用量','采集时间']]
x3=x[x['水表名']=='留学生楼（新）']
# 自定义x轴刻度
xticks = ['Jan', 'Mar', 'May', 'Jul', 'Sep','Nov']  # 自定义刻度标签




# 自定义x轴刻度
num_ticks = 6  # 指定刻度数量
step = len(x3) // num_ticks  # 计算刻度步长
xtick_positions = [i * step for i in range(num_ticks)]  # 生成刻度位置
plt.xticks(xtick_positions, xticks)
plt.plot(x3['采集时间'],x3['用量'],color='black',linewidth=0.3)
plt.show()       

​

​

x=data[['水表名','用量','采集时间']]
x4=x[x['水表名']=='XXX教学大楼总表']
# 自定义x轴刻度
xticks = ['Jan', 'Mar', 'May', 'Jul', 'Sep','Nov']  # 自定义刻度标签




# 自定义x轴刻度
num_ticks = 6  # 指定刻度数量
step = len(x4) // num_ticks  # 计算刻度步长
xtick_positions = [i * step for i in range(num_ticks)]  # 生成刻度位置
plt.xticks(xtick_positions, xticks)
plt.plot(x4['采集时间'],x4['用量'],color='black',linewidth=0.3)
plt.show()       

​

​

import matplotlib.pyplot as plt

plt.rcParams['font.sans-serif'] = ['SimHei']  # 指定字体为SimHei
labels = ['消防', '留学生楼（新）', 'XXX教学大楼总表']

plt.boxplot([x1['用量'],x3['用量'],x4['用量']])

plt.xticks(range(1, 4), labels)
# 显示图形
plt.show()

​

​

x5=x[x['水表名']=='XXX第四学生宿舍']
x5

	水表名	用量	采集时间
246289	XXX第四学生宿舍	0.4	2019/1/1 00:15:00
246290	XXX第四学生宿舍	0.4	2019/1/1 00:30:00
246291	XXX第四学生宿舍	0.4	2019/1/1 00:45:00
246292	XXX第四学生宿舍	0.4	2019/1/1 01:00:00
246293	XXX第四学生宿舍	0.4	2019/1/1 01:15:00
...	...	...	...
2560037	XXX第四学生宿舍	0.7	2019/12/31 22:45:00
2560038	XXX第四学生宿舍	0.6	2019/12/31 23:00:00
2560039	XXX第四学生宿舍	0.6	2019/12/31 23:15:00
2560040	XXX第四学生宿舍	0.5	2019/12/31 23:30:00
2560041	XXX第四学生宿舍	1.2	2019/12/31 23:45:00

35039 rows × 3 columns

x6=x[x['水表名']=='茶园+']
x6

	水表名	用量	采集时间
611260	茶园+	0.0	2019/1/3 16:15:00
611261	茶园+	0.0	2019/1/3 16:30:00
611262	茶园+	0.0	2019/1/3 16:45:00
611263	茶园+	0.0	2019/1/3 17:00:00
611264	茶园+	0.0	2019/1/3 17:15:00
...	...	...	...
2945006	茶园+	0.0	2019/12/31 22:45:00
2945007	茶园+	0.0	2019/12/31 23:00:00
2945008	茶园+	0.0	2019/12/31 23:15:00
2945009	茶园+	0.0	2019/12/31 23:30:00
2945010	茶园+	0.0	2019/12/31 23:45:00

34249 rows × 3 columns

x7=x[x['水表名']=='XXX4舍热泵热水舍']
x7

	水表名	用量	采集时间

x21=x[x['水表名']=='XXX第一学生宿舍']
x21

	水表名	用量	采集时间
220372	XXX第一学生宿舍	0.12	2019/1/1 00:15:00
220373	XXX第一学生宿舍	0.12	2019/1/1 00:30:00
220374	XXX第一学生宿舍	0.12	2019/1/1 00:45:00
220375	XXX第一学生宿舍	0.12	2019/1/1 01:00:00
220376	XXX第一学生宿舍	0.12	2019/1/1 01:15:00
...	...	...	...
2533541	XXX第一学生宿舍	0.40	2019/12/31 22:45:00
2533542	XXX第一学生宿舍	0.40	2019/12/31 23:00:00
2533543	XXX第一学生宿舍	0.50	2019/12/31 23:15:00
2533544	XXX第一学生宿舍	0.50	2019/12/31 23:30:00
2533545	XXX第一学生宿舍	0.50	2019/12/31 23:45:00

35039 rows × 3 columns

x22=x[x['水表名']=='XXX第二学生宿舍']
x22

	水表名	用量	采集时间
229011	XXX第二学生宿舍	0.9	2019/1/1 00:15:00
229012	XXX第二学生宿舍	0.7	2019/1/1 00:30:00
229013	XXX第二学生宿舍	0.8	2019/1/1 00:45:00
229014	XXX第二学生宿舍	0.7	2019/1/1 01:00:00
229015	XXX第二学生宿舍	0.1	2019/1/1 01:15:00
...	...	...	...
2542373	XXX第二学生宿舍	0.1	2019/12/31 22:45:00
2542374	XXX第二学生宿舍	0.1	2019/12/31 23:00:00
2542375	XXX第二学生宿舍	0.2	2019/12/31 23:15:00
2542376	XXX第二学生宿舍	0.1	2019/12/31 23:30:00
2542377	XXX第二学生宿舍	0.1	2019/12/31 23:45:00

35039 rows × 3 columns

x21.set_index('采集时间', inplace=True)
x22.set_index('采集时间', inplace=True)

print(x21['用量'].dtypes,x21['水表名'])
print(x22['用量'].dtypes,x22['水表名'])
x_sum = x21.add(x22, fill_value=0)

# 打印结果
x_sum

float64 采集时间
2019/1/1 00:15:00      XXX第一学生宿舍
2019/1/1 00:30:00      XXX第一学生宿舍
2019/1/1 00:45:00      XXX第一学生宿舍
2019/1/1 01:00:00      XXX第一学生宿舍
2019/1/1 01:15:00      XXX第一学生宿舍
                         ...    
2019/12/31 22:45:00    XXX第一学生宿舍
2019/12/31 23:00:00    XXX第一学生宿舍
2019/12/31 23:15:00    XXX第一学生宿舍
2019/12/31 23:30:00    XXX第一学生宿舍
2019/12/31 23:45:00    XXX第一学生宿舍
Name: 水表名, Length: 35039, dtype: object
float64 采集时间
2019/1/1 00:15:00      XXX第二学生宿舍
2019/1/1 00:30:00      XXX第二学生宿舍
2019/1/1 00:45:00      XXX第二学生宿舍
2019/1/1 01:00:00      XXX第二学生宿舍
2019/1/1 01:15:00      XXX第二学生宿舍
                         ...    
2019/12/31 22:45:00    XXX第二学生宿舍
2019/12/31 23:00:00    XXX第二学生宿舍
2019/12/31 23:15:00    XXX第二学生宿舍
2019/12/31 23:30:00    XXX第二学生宿舍
2019/12/31 23:45:00    XXX第二学生宿舍
Name: 水表名, Length: 35039, dtype: object

	水表名	用量
采集时间
2019/1/1 00:15:00	XXX第一学生宿舍XXX第二学生宿舍	1.02
2019/1/1 00:30:00	XXX第一学生宿舍XXX第二学生宿舍	0.82
2019/1/1 00:45:00	XXX第一学生宿舍XXX第二学生宿舍	0.92
2019/1/1 01:00:00	XXX第一学生宿舍XXX第二学生宿舍	0.82
2019/1/1 01:15:00	XXX第一学生宿舍XXX第二学生宿舍	0.22
...	...	...
2019/12/31 22:45:00	XXX第一学生宿舍XXX第二学生宿舍	0.50
2019/12/31 23:00:00	XXX第一学生宿舍XXX第二学生宿舍	0.50
2019/12/31 23:15:00	XXX第一学生宿舍XXX第二学生宿舍	0.70
2019/12/31 23:30:00	XXX第一学生宿舍XXX第二学生宿舍	0.60
2019/12/31 23:45:00	XXX第一学生宿舍XXX第二学生宿舍	0.60

35039 rows × 2 columns

x26=x[x['水表名']=='茶园+']
x26

	水表名	用量	采集时间
611260	茶园+	0.0	2019/1/3 16:15:00
611261	茶园+	0.0	2019/1/3 16:30:00
611262	茶园+	0.0	2019/1/3 16:45:00
611263	茶园+	0.0	2019/1/3 17:00:00
611264	茶园+	0.0	2019/1/3 17:15:00
...	...	...	...
2945006	茶园+	0.0	2019/12/31 22:45:00
2945007	茶园+	0.0	2019/12/31 23:00:00
2945008	茶园+	0.0	2019/12/31 23:15:00
2945009	茶园+	0.0	2019/12/31 23:30:00
2945010	茶园+	0.0	2019/12/31 23:45:00

34249 rows × 3 columns

x21=x[x['水表名']=='XXX第一学生宿舍']

x21

	水表名	用量	采集时间
220372	XXX第一学生宿舍	0.12	2019/1/1 00:15:00
220373	XXX第一学生宿舍	0.12	2019/1/1 00:30:00
220374	XXX第一学生宿舍	0.12	2019/1/1 00:45:00
220375	XXX第一学生宿舍	0.12	2019/1/1 01:00:00
220376	XXX第一学生宿舍	0.12	2019/1/1 01:15:00
...	...	...	...
2533541	XXX第一学生宿舍	0.40	2019/12/31 22:45:00
2533542	XXX第一学生宿舍	0.40	2019/12/31 23:00:00
2533543	XXX第一学生宿舍	0.50	2019/12/31 23:15:00
2533544	XXX第一学生宿舍	0.50	2019/12/31 23:30:00
2533545	XXX第一学生宿舍	0.50	2019/12/31 23:45:00

35039 rows × 3 columns

df_merged = pd.merge(x21, x26, on='采集时间', how='inner')
df_merged

	水表名_x	用量_x	采集时间	水表名_y	用量_y
0	XXX第一学生宿舍	0.22	2019/1/3 16:15:00	茶园+	0.0
1	XXX第一学生宿舍	0.22	2019/1/3 16:30:00	茶园+	0.0
2	XXX第一学生宿舍	0.22	2019/1/3 16:45:00	茶园+	0.0
3	XXX第一学生宿舍	0.22	2019/1/3 17:00:00	茶园+	0.0
4	XXX第一学生宿舍	0.22	2019/1/3 17:15:00	茶园+	0.0
...	...	...	...	...	...
34244	XXX第一学生宿舍	0.40	2019/12/31 22:45:00	茶园+	0.0
34245	XXX第一学生宿舍	0.40	2019/12/31 23:00:00	茶园+	0.0
34246	XXX第一学生宿舍	0.50	2019/12/31 23:15:00	茶园+	0.0
34247	XXX第一学生宿舍	0.50	2019/12/31 23:30:00	茶园+	0.0
34248	XXX第一学生宿舍	0.50	2019/12/31 23:45:00	茶园+	0.0

34249 rows × 5 columns

df_merged['总用水量'] = df_merged['用量_x'] + df_merged['用量_y']
df_merged

	水表名_x	用量_x	采集时间	水表名_y	用量_y	总用水量
0	XXX第一学生宿舍	0.22	2019/1/3 16:15:00	茶园+	0.0	0.22
1	XXX第一学生宿舍	0.22	2019/1/3 16:30:00	茶园+	0.0	0.22
2	XXX第一学生宿舍	0.22	2019/1/3 16:45:00	茶园+	0.0	0.22
3	XXX第一学生宿舍	0.22	2019/1/3 17:00:00	茶园+	0.0	0.22
4	XXX第一学生宿舍	0.22	2019/1/3 17:15:00	茶园+	0.0	0.22
...	...	...	...	...	...	...
34244	XXX第一学生宿舍	0.40	2019/12/31 22:45:00	茶园+	0.0	0.40
34245	XXX第一学生宿舍	0.40	2019/12/31 23:00:00	茶园+	0.0	0.40
34246	XXX第一学生宿舍	0.50	2019/12/31 23:15:00	茶园+	0.0	0.50
34247	XXX第一学生宿舍	0.50	2019/12/31 23:30:00	茶园+	0.0	0.50
34248	XXX第一学生宿舍	0.50	2019/12/31 23:45:00	茶园+	0.0	0.50

34249 rows × 6 columns

df_merged1 = pd.merge(x21, x26, on='采集时间', how='outer')
df_merged1

	水表名_x	用量_x	采集时间	水表名_y	用量_y
0	XXX第一学生宿舍	0.12	2019/1/1 00:15:00	NaN	NaN
1	XXX第一学生宿舍	0.12	2019/1/1 00:30:00	NaN	NaN
2	XXX第一学生宿舍	0.12	2019/1/1 00:45:00	NaN	NaN
3	XXX第一学生宿舍	0.12	2019/1/1 01:00:00	NaN	NaN
4	XXX第一学生宿舍	0.12	2019/1/1 01:15:00	NaN	NaN
...	...	...	...	...	...
35034	XXX第一学生宿舍	0.40	2019/12/31 22:45:00	茶园+	0.0
35035	XXX第一学生宿舍	0.40	2019/12/31 23:00:00	茶园+	0.0
35036	XXX第一学生宿舍	0.50	2019/12/31 23:15:00	茶园+	0.0
35037	XXX第一学生宿舍	0.50	2019/12/31 23:30:00	茶园+	0.0
35038	XXX第一学生宿舍	0.50	2019/12/31 23:45:00	茶园+	0.0

35039 rows × 5 columns

df_merged1['用量_y'] = df_merged1['用量_y'].replace(np.nan, 0)
df_merged1
# df_merged1['总用水量'] = df_merged1['用量_x'] + df_merged1['用量_y']
# df_merged1

	水表名_x	用量_x	采集时间	水表名_y	用量_y	总用水量
0	XXX第一学生宿舍	0.12	2019/1/1 00:15:00	NaN	0.0	0.12
1	XXX第一学生宿舍	0.12	2019/1/1 00:30:00	NaN	0.0	0.12
2	XXX第一学生宿舍	0.12	2019/1/1 00:45:00	NaN	0.0	0.12
3	XXX第一学生宿舍	0.12	2019/1/1 01:00:00	NaN	0.0	0.12
4	XXX第一学生宿舍	0.12	2019/1/1 01:15:00	NaN	0.0	0.12
...	...	...	...	...	...	...
35034	XXX第一学生宿舍	0.40	2019/12/31 22:45:00	茶园+	0.0	0.40
35035	XXX第一学生宿舍	0.40	2019/12/31 23:00:00	茶园+	0.0	0.40
35036	XXX第一学生宿舍	0.50	2019/12/31 23:15:00	茶园+	0.0	0.50
35037	XXX第一学生宿舍	0.50	2019/12/31 23:30:00	茶园+	0.0	0.50
35038	XXX第一学生宿舍	0.50	2019/12/31 23:45:00	茶园+	0.0	0.50

35039 rows × 6 columns

df_merged1['总用水量'] = df_merged1['用量_x'] + df_merged1['用量_y']
df_merged1

	水表名_x	用量_x	采集时间	水表名_y	用量_y	总用水量
0	XXX第一学生宿舍	0.12	2019/1/1 00:15:00	NaN	0.0	0.12
1	XXX第一学生宿舍	0.12	2019/1/1 00:30:00	NaN	0.0	0.12
2	XXX第一学生宿舍	0.12	2019/1/1 00:45:00	NaN	0.0	0.12
3	XXX第一学生宿舍	0.12	2019/1/1 01:00:00	NaN	0.0	0.12
4	XXX第一学生宿舍	0.12	2019/1/1 01:15:00	NaN	0.0	0.12
...	...	...	...	...	...	...
35034	XXX第一学生宿舍	0.40	2019/12/31 22:45:00	茶园+	0.0	0.40
35035	XXX第一学生宿舍	0.40	2019/12/31 23:00:00	茶园+	0.0	0.40
35036	XXX第一学生宿舍	0.50	2019/12/31 23:15:00	茶园+	0.0	0.50
35037	XXX第一学生宿舍	0.50	2019/12/31 23:30:00	茶园+	0.0	0.50
35038	XXX第一学生宿舍	0.50	2019/12/31 23:45:00	茶园+	0.0	0.50

35039 rows × 6 columns