将24小时降水值列表转换为按小时总计

假设我有一个按小时排列的降水值列表，每个值都显示按日期排序的前24小时内发生了多少降雨。例如：

{
    '2012-05-24 12:00': 0.5, // .5" of rain from 5/23 12:00 - 5/24 11:59
    '2012-05-24 11:00': 0.6, // .6" of rain from 5/23 11:00 - 5/24 10:59
    '2012-05-24 10:00': 0.6, // .6" of rain from 5/23 10:00 - 5/24 09:59
    ...
    '2012-05-23 10:00': 0
}

是否有一项策略/算法来确定每个小时中的降雨量？我似乎无法解决这个问题。我知道这并不像对差异求和那样简单。

数据集的可视化

P(N)    [.....======================]
P(N-1)  [....======================.]
P(N-2)  [...======================..]
P(N-3)  [..======================...]
I want  [..........................=]

非常感谢您的帮助。

假设数据集始终由连续的24小时窗口组成（即，第一个数据点不是1小时窗口）...

至少在一般情况下，这不是一个可解决的问题，因为存在一个反例，其中至少两个降雨模式映射到一个数据集。

• 情况1：永远每天早上12:30下雨24英寸。
• 情况2：每小时每小时30分钟永远下雨1英寸。

在这两种情况下，您P(N) = 24"都是所有人N。

由于没有一种情况可以从这一数据集中得出，因此从一般意义上讲该问题无法解决。

顺便说一句，我们还可以证明问题始终无法解决并不一定是正确的。最简单的说，如果P(N) = 0"全部考虑N，只有一种可能的降雨模式可以解决：每小时零英寸的降雨。

因此，确定数据集的哪些特征可以解决问题是一个更有趣的问题。琐碎地讲，如果您的数据集包含至少一个N诸如that 的数据集P(N) = 0"，那么您就有一个解决方案。

如果有其他属性可以使问题对于给定的数据集可解决，我不会感到惊讶。找到这些应该是一个有趣的挑战。同时，证明没有人存在是同样有趣的事情。

您需要遍历数据，直到找到0个降水期，然后再按照SnOrus的描述从该点开始进行计算。如果没有数据点为0，那么我认为这无法解决，除非您将最早的条目定义为时间开始后1小时，所以早于该点的点是不确定的。

也可以从0读数向后计算时间，反过来做同样的事情（尽管您将连续获得至少24个0。

P（n）-P（n-1）界> = 0

其中P（）是n之前24小时记录的降水量。

...应该在下雨前一小时给你下雨P(n)。

这不是一个完整的答案，我正在工作，并且已经在上面花了很多时间...此外，我需要更多数据以查看我的预感是否正确。

我们将P（x）称为时间x处的24小时度量。

考虑以下重叠方案：

|H1|H2|H3.............|H23|H24|H25|H26 ................ |H46|H47|H48|
|-----------------P(X)--------|-----------------P(X-24)-------------|
   |----------------------P(X-1)--|

P（X）-P（X-1）+ H25 = H1。

因此，您需要计算H25。我相信解决方案将停留在由P（X），P（X-1）和P（X-24）创建的系统中。

对于连续两个小时n（现在）和n-1（现在之前的小时），您有24小时的降水总和（T），该总和由24小时的降水量（P）组成：

T(n) = P(n) + P(n-1) + P(n-2) + ... + P(n-22) + P(n-23)
T(n-1) = P(n-1) + P(n-2) + P(n-3) +... + P(n-23) + P(n-24)

所以：

T(n) - T(n-1) = P(n) - P(n-24)

（术语P（n-1）... P（n-23）在T（n）和T（n-1）中均重复，因此将它们相减得出0。）重新排列，您会得到：

P(n) = T(n) - T(n-1) + P(n-24)

现在，除非您知道P（n-24）是什么，否则您将无法确定P（n）是什么。您可以进一步返回数据来计算P（n-24），但要获得该值则需要P（n-25），等等。然后，您需要的是24小时之前的任何一个小时的降水值。如果有的话，您可以计算随后所有小时的每小时降水量。