外包 | “numpy“ Assignment

外包 | “numpy” Assignment

相关资源下载

资源下载

Q3

用到的数据就一个csv文件
第一列: 记载着日期时间, 365天每天24小时的数据, 也就是有 365*24=8760 条数据, 不过是乱序的
第二列: 记载着某一天某个小时的气温
其他列: 用不到

作业要求: pure numpy to do it

 

Q3 - 1

找出数据的标题信息，并打印索引信息

# 用numpy 读取csv, 因为csv本质也是文本文件, 和txt一样
with open('./weatherHistory 2016.csv', 'r', encoding='utf-8') as f:
    data = np.loadtxt(f, dtype=str,delimiter = ",")
f.close()
data

# 根据索引打印信息
for index, title in enumerate(data[0][1:]):
    print(f'{index} {title}')

 

Q3 - 2

2.找出所有数据中最高气温和最低气温，以及对应的日期；

allTemp = data[:, 1][1:].astype(np.float16)
maxIndex = allTemp.argmax()
minIndex = allTemp.argmin()
maxTemp = allTemp[maxIndex]
minTemp = allTemp[minIndex]
maxDate = data[:, 0][1:][maxIndex]
minDate = data[:, 0][1:][minIndex]
print(f'最高气温:{maxTemp}, 日期:{maxDate}\n最低气温:{minTemp}, 日期:{minDate}')

 

Q3 - 3

1. 整理时间, 对时间进行排序: 将字符类型时间转成时间戳, 然后根据时间戳大小从小到大进行排序

   # 处理时间
   import time
   newData = data.copy()[1:, :2]
   for i in range(len(newData)):
       newData[i][0] = time.mktime(time.strptime(newData[i][0][:19], "%Y-%m-%d %H:%M:%S"))
   # 根据第一列时间戳大小进行排序
   newData = newData[np.argsort(newData[:,0])]
   

2. 将一天24h的数据重整到一行, 每一行就24列, 最后得到一个 366*24 的矩阵

   # 重整数组
   numDay = int(len(newData) / 24)
   reshapeTempArray = np.reshape(newData[:,1], (numDay, 24)).astype(np.float64)
   

3. 绘图

   import matplotlib.pyplot as plt
   x = [i for i in range(366)]
   maxData = np.max(reshapeTempArray, axis=1)
   minData = np.min(reshapeTempArray, axis=1)
   avgData = np.average(reshapeTempArray, axis=1)
   plt.plot(x, maxData, label='max', c='blue')
   plt.plot(x, minData, label='min', c='orange')
   plt.plot(x, avgData, label='avg', c='green')
   plt.legend()
   plt.savefig('./figure1.png')
   plt.show()