python对离散功率点进行积分得到电耗

data = pd.read_csv(r"C:\Users\EDY\Desktop\******.csv")
data

from scipy.integrate import trapz
scipy.integrate.trapz(y,x)
scipy.integrate.trapz(y,dx=2)

主要使用trapz（）函数，y为离散的功率列表，x为时间戳点列表，由于实际情况导致我的x并不是连续的，两个算出来的结果相差较大，但是我的数据是2s一次，所以我直接选择dx=2来计算，算出来和根据soc算出的值相差不多，所以结果更加贴近实际值。
各位使用的时候请按照实际情况来选择。

import pandas as pd
import numpy as np
import scipy
from scipy.integrate import trapz

def calculate_power_integrals(data):
	#转为列表
    array_chassis = pd.to_numeric(data["chassisPower"])
    array_upper = pd.to_numeric(data["upperPower"])
    list_chassis_power = array_chassis.tolist()
    list_upper_power = array_upper.tolist()
	#数据nan预处理
    for i in range(len(list_chassis_power)):
        if np.isnan(list_chassis_power[i]):
            list_chassis_power[i]=(list_chassis_power[i-1]+list_chassis_power[i+1])/2
        if np.isnan(list_upper_power[i]):
            list_upper_power[i]=(list_upper_power[i-1]+list_upper_power[i+1])/2
	#再次判断是否有nan
    if True in np.isnan(list_chassis_power):
        print("list_chassis_power has nan.")
    if True in np.isnan(list_upper_power):
        print("list_upper_power has nan.")

    y_chassis = list_chassis_power
    y_upper = list_upper_power

    integrals_chassis = []
    integrals_upper = []
	
	#每个点算出来进行保存，但是只需要取最后一个值就是积分结果
    for i in range(len(y_chassis)):
    	# /60/60 因为单位需要
        integrals_chassis.append(trapz(y_chassis[:i + 1], dx=2)/60/60)
        integrals_upper.append(trapz(y_upper[:i + 1], dx=2)/60/60)
	#
    print("底盘电耗积分结果:"+ str(integrals_chassis[len(integrals_chassis)-1]))
    print("上装电耗积分结果:"+str(integrals_upper[len(integrals_upper)-1]))
    integrals_chassis=np.round(integrals_chassis,2)
    integrals_upper=np.round(integrals_upper,2)
    return integrals_chassis, integrals_upper

因为mysql查出来结果包括很对不同车和不同的日期，把每天每车的数据拿进函数进行计算得到每天的结果

# 创建一个空的dataframe，包含需要写入的列名
df = pd.DataFrame(columns=['VIN', 'day', 'integrals_chassis','integrals_upper'])
#对于两个DataFrame对象，可以使用merge函数将它们按照vin列和time列进行连接。
#需要将两个DataFrame的连接方式指定为inner，并且指定on参数为['vin', 'day']，表示按照vin列和day列进行连接。具体语法如下：
unique_vin_day = merged_df[['VIN',"day_x"]].dropna().drop_duplicates()

for i in range(len(unique_vin_day)) :
    index_vin = unique_vin_day.iloc[(i,0)]
    index_day =  unique_vin_day.iloc[(i,1)]
    result_df = merged_df[(merged_df['VIN'] == index_vin) & (merged_df['day_x'] == index_day)]
    integrals_chassis, integrals_upper =calculate_power_integrals(result_df)
    df.loc[i] = [index_vin, index_day, integrals_chassis[len(integrals_chassis)-1],integrals_upper[len(integrals_upper)-1]]