应使用CodeBuddy生成Python清洗脚本：先删除空行及非数字字段行，再将毫秒级时间戳转为“YYYY-MM-DD HH:MM:SS”格式，按时间升序排列，最后导出_clean后缀CSV；后续可追加分钟级均值聚合。
☞☞☞AI 智能聊天, 问答助手, AI 智能搜索, 多模态理解力帮你轻松跨越从0到1的创作门槛☜☜☜
你需要把从Arduino、ESP32或STM32采集的原始传感器数据（比如温湿度、加速度、光照强度）快速清洗、对齐时间戳、计算统计指标并导出为CSV用于后续建模，而不是手动写Python脚本逐行处理。
准备传感器原始数据文件
确认你的数据是纯文本格式，每行一条记录，字段用英文逗号或制表符分隔，首行为列名（如timestamp,temperature,humidity,pressure）。若无列名，CodeBuddy可能误判字段类型；若含中文乱码或BOM头，后续解析会报错。
将文件保存为UTF-8编码，扩展名必须是.csv或.txt。不要用Excel另存为“CSV UTF-8”，它会偷偷插入不可见字符；改用VS Code打开→右下角点击编码→选“Save with Encoding”→选UTF-8。
把文件拖进VS Code编辑器标签页，确保内容可正常显示，没有方块或问号。
用CodeBuddy生成数据清洗脚本
在VS Code中打开CodeBuddy侧边栏，输入提示词：“我有一份物联网传感器CSV数据，含timestamp（毫秒级Unix时间戳）、temperature（浮点数）、humidity（整数）、pressure（浮点数），要求：1. 删除所有空行和含非数字temperature/humidity/pressure的行；2. 将timestamp转为可读的'YYYY-MM-DD HH:MM:SS'格式；3. 按timestamp升序排列；4. 输出清洗后CSV到同目录下，文件名加_clean后缀。”
点击“生成代码”，CodeBuddy会返回一个完整Python脚本，使用pandas读取、dropna、pd.to_datetime等操作。注意检查生成代码中是否包含df = df.dropna(subset=['temperature', 'humidity', 'pressure'])——这是关键过滤逻辑，缺了会导致无效数据残留。
复制脚本，在VS Code中新建文件，粘贴保存为clean_sensor.py，与你的原始CSV放在同一文件夹。
运行脚本并验证结果
打开VS Code内置终端（Ctrl+`），cd到该文件夹，执行：python clean_sensor.py。
CodeBuddy Code CLI 的安装、配置与使用指南。CodeBuddy Code 是腾讯推出的 AI 驱动 CLI 编程助手，支持自然语言驱动开发。 - 必备触发词：CodeBuddy, codebuddy, AI CLI, Tencent AI coding, @tencent-ai/codebuddy-code, terminal AI assistant - 适用场景：安装 CodeBuddy CLI、配置 CodeBuddy、使用 CodeBuddy 命令、排查 CodeBuddy 问题
若报错ModuleNotFoundError: No module named 'pandas'，说明本地未安装pandas：在终端运行pip install pandas后再重试。这一步不能跳过，否则脚本无法执行。
成功运行后，检查当前目录是否生成了your_data_clean.csv。用VS Code直接打开它，确认：第一行是原列名；timestamp列已变成形如2026-08-07 03:22:15的格式；所有temperature值都是小数，humidity都是整数，无空行或异常符号。
用Excel或WPS双击打开该CSV，观察前10行数据是否时间连续、数值合理。若发现某行temperature为-999或humidity超过100，说明原始数据存在异常值，需回到上一步，在CodeBuddy提示词中追加：“对temperature80、humidity100的行也删除”。
提取分钟级统计指标
方法一：修改已有脚本
在clean_sensor.py末尾添加以下代码：
df['timestamp'] = pd.to_datetime(df['timestamp'])<br>df_min = df.set_index('timestamp').resample('1T').agg({'temperature': 'mean', 'humidity': 'mean', 'pressure': 'mean'}).reset_index()<br>df_min.to_csv('your_data_minute_stats.csv', index=False)
方法二：让CodeBuddy重写
在CodeBuddy中输入：“基于刚才清洗后的数据，按分钟聚合，计算每分钟temperature、humidity、pressure的平均值，保留timestamp列为聚合起始时间，输出为CSV”。
执行新脚本，生成your_data_minute_stats.csv。打开检查：timestamp列应为每分钟整点（如03:22:00、03:23:00），且相邻行间隔60秒。
【注意】resample('1T')中的'T'代表minute，不是'Timezone'，写成'1m'会报错。
