建议使用CodeBuddy生成Python数据清洗脚本：先删除空行以及包含非数字字段的记录，再把毫秒级时间戳转换为“YYYY-MM-DD HH:MM:SS”标准日期时间格式，按时间升序排序，最后导出带有_clean后缀的CSV文件；后续还可以继续追加分钟级平均值聚合，便于物联网传感器数据分析与建模。
你需要将从Arduino、ESP32或STM32采集到的原始传感器数据（例如温湿度、加速度、光照强度）快速完成数据清洗、时间戳对齐、统计指标计算，并导出为CSV文件用于后续数据分析或机器学习建模，而不是手动编写Python脚本逐行处理，既耗时又容易出错。
准备传感器原始数据文件
首先确认数据文件为纯文本格式：每行对应一条记录，字段之间使用英文逗号或制表符分隔，第一行放置列名，例如timestamp,temperature,humidity,pressure。如果没有列名，CodeBuddy在生成Python清洗脚本时很可能会误判字段类型；如果文件中存在中文乱码或BOM头，后续解析时也很容易直接报错。
将文件保存为UTF-8编码，扩展名必须是.csv或.txt。尽量不要使用Excel另存为“CSV UTF-8”，因为它可能会悄悄插入不可见字符；更稳妥的方式是用VS Code打开文件→点击右下角编码选项→选择“Sa ve with Encoding”→再选择UTF-8。
把文件拖入VS Code编辑器标签页，确认内容能够正常显示，没有出现方块、乱码或问号。
用CodeBuddy生成数据清洗脚本
先在 VS Code 中打开 CodeBuddy 侧边栏，然后直接输入这段提示词：“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”后，CodeBuddy通常会返回一个完整的Python脚本，常见做法是使用pandas读取CSV，并结合dropna、pd.to_datetime等方法进行数据清洗与时间格式转换。注意检查生成代码中是否包含df = df.dropna(subset=['temperature', 'humidity', 'pressure'])——这是非常关键的过滤逻辑，缺少这一步会导致无效数据或空值残留在最终结果中。
复制生成的脚本，在VS Code中新建文件，粘贴后保存为clean_sensor.py，并与原始CSV数据文件放在同一个文件夹中，便于直接运行。
运行脚本并验证结果
打开VS Code内置终端（Ctrl+`），切换到该文件夹目录后，执行：python clean_sensor.py。
如果报错ModuleNotFoundError: No module named 'pandas'，说明本地Python环境尚未安装pandas库：请在终端运行pip install pandas后再重新执行。这一步不能省略，否则Python数据清洗脚本无法正常运行。
成功运行后，检查当前目录下是否生成了your_data_clean.csv。可以直接用VS Code打开并确认：第一行仍然是原始列名；timestamp列已经转换为类似2026-08-07 03:22:15的标准时间格式；所有temperature值为小数，humidity为整数，同时不存在空行、异常符号或明显格式错误。
再用Excel或WPS双击打开该CSV文件，观察前10行数据是否时间连续、数值范围是否合理。如果发现某行temperature为-999，或者humidity超过100，说明原始传感器数据中存在异常值，需要返回上一步，在CodeBuddy提示词中追加：“对temperature< -50或>80、humidity<0或>100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'])
df_min = df.set_index('timestamp').resample('1T').agg({'temperature': 'mean', 'humidity': 'mean', 'pressure': 'mean'}).reset_index()
df_min.to_csv('your_data_minute_stats.csv', index=False)
方法二：让CodeBuddy重新生成脚本
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”。
执行新的脚本后，会生成your_data_minute_stats.csv。打开文件检查：timestamp列应为每分钟整点时间（例如03:22:00、03:23:00），并且相邻两行之间应间隔60秒，这样才说明分钟级聚合结果正确。
【注意】resample('1T')中的'T'表示minute，不是'Timezone'，如果写成'1m'会直接报错。