“_unix_ylabel = '理后的標簽' #Unix時間標簽列

unix_df, unix_time = pd.read_csv('data.csv', names=[unix_ylabel, 'value'])

unix_df[unix_ylabel] = pd.to_datetime(unix_df[unix_ylabel], unit='s')

unix_df.set_index(unix_ylabel, inplace=True)

unix_df = unix_df.resample('H').mean()

unix_df.to_csv('processed_data.csv', index=True)

```python

import pandas as pd

# 假設原始數據文件名為 'data.csv'，包含兩列：Unix時間和數值數據

# Unix時間列被命名為 'Unix_label'

# 'value' 列包含我們需要理的數值數據

# 讀取原始數據文件

unix_df, unix_time = pd.read_csv('data.csv', names=['Unix_label', 'value'])

# 將 'Unix_label' 列的時間轉換為 datetime 對象，單位為秒

unix_df['Unix_label'] = pd.to_datetime(unix_df['Unix_label'], unit='s')

# 將 'Unix_label' 列設為索引

unix_df.set_index('Unix_label', inplace=True)

# 對數據進行小時級別的重采樣，并計算平均值

unix_df = unix_df.resample('H').mean()

# 將理后的數據保存到新的 CSV 文件中，包括索引

unix_df.to_csv('processed_data.csv', index=True)

```

這段代碼首先導了 pandas 庫，然后讀取了名為 'data.csv' 的數據文件，其中包含 Unix 時間和數值數據。接著，它將 Unix 時間列轉換為 datetime 對象，并設置該列為 DataFrame 的索引。之后，使用 resample 方法按照小時進行重采樣，并計算每個小時的平均值。最后，將理后的 DataFrame 保存到名為 'processed_data.csv' 的新文件中，同時包含索引信息。