现有1年的小时降水量数据，将20mm及以上定义为短时强降水事件，利用pandas对小时降水量进行分类，并分别对应不同的级别范围（例如20-50mm，50-80mm，80-100mm，以及100mm以上），并统计出每月的强降水次数和出现的时间。

首先，你可以使用Python的数据分析库pandas来处理这个问题。以下是步骤：

1. **加载数据**：
使用`pandas.read_csv()`函数读取数据文件，假设文件名为`hourly_rainfall.csv`。

import pandas as pd

data = pd.read_csv('hourly_rainfall.csv', parse_dates=['datetime_column']) # 将日期列解析为日期时间格式

2. **检查和预处理数据**：
确保'hourly_column'包含正确的小时降水量数据，并处理缺失值。

# 检查数据列
print(data.head())

# 删除缺失值或填充
data = data.dropna(subset=['hourly_column']) or data.fillna(value=data['hourly_column'].mean(), inplace=True)

3. **创建新的类别变量**：
利用条件筛选创建新的列，标记强降水事件。

data['short_term_event'] = data['hourly_column'].apply(lambda x: '20-50mm' if x >= 20 else ('50-80mm' if x >= 50 else ('80-100mm' if x >= 80 else '>=100mm')))

4. **按月分组计数**：
计算每个月的强降水事件次数。

monthly_counts = data.groupby(data['datetime_column'].dt.month)['short_term_event'].value_counts()

5. **提取强降水事件发生时间**：
对于每个等级，找出对应的记录。

monthly_events = {}
for level, count in monthly_counts.items():
    events = data[data['short_term_event'] == f'{level}mm'][['datetime_column']].drop_duplicates()
    monthly_events[level] = events

6. **结果可视化或保存**：
可以使用pandas的`to_csv()`或`pivot_table()`，甚至matplotlib库来呈现结果。

至此，你就得到了每月的强降水次数及其发生的时间信息。