pandas-时间序列&重采样

现有数据24万条，根据月份统计来电次数

• 读取数据。 其中有一些缺失数据，选取计数结果不选这一列就行

import pandas as pd

df = pd.read_csv("911.csv")
df["timeStamp"] = pd.to_datetime(df["timeStamp"])
df.info()

• 将时间戳设置为索引

df.set_index("timeStamp", inplace=True)
df

• 根据月份重采样

# 根据月份 重采样 计算来电次数
df = df.resample("M").count()
df

• 作图

from matplotlib import pyplot as plt

font = {
    'family' : 'simhei',
    'weight' : 'bold',
    'size'   : '12'
}

plt.rc('font', **font)

# 取出无缺失的列数据
data = df["lat"]

# 格式化时间
x_label = [date.strftime("%Y-%m") for date in data.index]
x = range(len(x_label))

y = data.values

plt.figure(figsize=(14, 8),dpi=80)

plt.bar(x, y)

plt.xticks(x, x_label, rotation=45)

plt.title("每月来电次数情况")

for i,j in zip(x, y):
    plt.text(i-0.4, j+100, j, fontsize=10)

plt.show()

现在有北京城市空气质量数据，绘制PM2.5随时间的变化情况

• 读取数据，可以看到PM_US Post 这一列数据值比较多，所以选择这一列数据做图

import os
import pandas as pd

files = os.listdir("PM2.5")
df = pd.read_csv("PM2.5/" + files[0])
df.info()

• 删除空值 可以看到它的是时间是按照年月日以及小时来放在每一列的，下面使用PeriodIndex这个函数生成新的索引

df.dropna(subset=["PM_US Post"], inplace=True)
df

• 生成新的索引

dt = pd.PeriodIndex(year=df["year"], month=df["month"], day=df["day"], hour=df["hour"], freq="H")
df.set_index("datetime", inplace=True)
df.head()

• 重采样，7天为一个周期，取平均值

df = df.resample("7D").mean()
df

• 画图

from matplotlib import pyplot as plt

font = {
    'family' : 'simhei',
    'weight' : 'bold',
    'size'   : '14'
}

plt.rc('font', **font)


x_label = df.index
x = range(len(x_label))
y = df["PM_US Post"]

plt.figure(figsize=(18,6))

plt.xticks(x[::10], x_label[::10], rotation=45)

plt.plot(x, y)

plt.title("北京 PM2.5 变化情况", fontsize=20, fontstyle="oblique")

plt.show()