数据可视化实战(二)

将每个城市在每个月份平均PM2.5绘制成折线图

import pandas as pd
import matplotlib.pyplot as plt
df = pd.read_excel('./PM2.5.xlsx')

display(df.head(10))
df.shape #  (161630, 15)

	城市	年份	月份	日期	小时	季节	PM2.5	露点	湿度	压强	温度	风向	累计风速	降水量	累计降水量
0	北京	2010	1	1	23	冬	129	-17.0	41.0	1020.0	-5.0	cv	0.89	0.0	0.0
1	北京	2010	1	2	0	冬	148	-16.0	38.0	1020.0	-4.0	SE	1.79	0.0	0.0
2	北京	2010	1	2	1	冬	159	-15.0	42.0	1020.0	-4.0	SE	2.68	0.0	0.0
3	北京	2010	1	2	2	冬	181	-11.0	63.5	1021.0	-5.0	SE	3.57	0.0	0.0
4	北京	2010	1	2	3	冬	138	-7.0	85.0	1022.0	-5.0	SE	5.36	0.0	0.0
5	北京	2010	1	2	4	冬	109	-7.0	85.0	1022.0	-5.0	SE	6.25	0.0	0.0
6	北京	2010	1	2	5	冬	105	-7.0	92.0	1022.0	-6.0	SE	7.14	0.0	0.0
7	北京	2010	1	2	6	冬	124	-7.0	92.0	1023.0	-6.0	SE	8.93	0.0	0.0
8	北京	2010	1	2	7	冬	120	-7.0	85.0	1024.0	-5.0	SE	10.72	0.0	0.0
9	北京	2010	1	2	8	冬	132	-8.0	85.0	1024.0	-6.0	SE	12.51	0.0	0.0

# 求PM2.5每个月份均值；根据城市和月份进行分组
df2 = df.groupby(by = ['城市','月份'])[['PM2.5']].mean().round(2)

# 数据重塑
df2 = df2.unstack(level = -1)
# 删除最外层列索引PM2.5
df2.columns = df2.columns.droplevel(level=0)
df2

月份	1	2	3	4	5	6	7	8	9	10	11	12
城市
上海	80.77	59.58	59.38	55.32	52.23	41.48	31.03	26.61	32.69	42.28	64.02	86.54
北京	113.80	120.93	96.34	83.40	76.67	89.56	88.48	73.75	78.75	112.72	108.47	107.49
广州	80.03	58.73	48.75	67.04	46.95	35.34	26.14	38.63	40.47	60.10	53.13	61.99
成都	161.32	110.04	96.71	67.99	68.56	53.81	54.05	61.26	60.25	84.76	82.13	116.08
沈阳	111.04	103.11	77.39	65.51	53.89	47.88	42.25	43.94	46.79	89.03	101.67	112.61

df2.loc["上海"]
df2.index # Index(['上海', '北京', '广州', '成都', '沈阳'], dtype='object', name='城市')

plt.rcParams['font.family'] = 'SimHei'
plt.rcParams['font.size'] = 18

months = df2.columns

# 创建画布和子图
plt.figure(figsize=(12, 6))

# 绘制每个城市在每个月份的折线图
for city in df2.index:
#     print(city, df2.loc[city])
    plt.plot(months, df2.loc[city], marker='o', label=city)
    

# 设置标题和标签
plt.title('PM2.5 Variation by City and Month')
plt.xlabel('Month')
plt.ylabel('PM2.5')
plt.xticks(months)
plt.grid(True)

# 添加图例
plt.legend()

# 显示图形
plt.show()

将每个城市在每个季节最低温度绘制柱状图

df3 = df.groupby(by = ['城市','季节'])[['温度']].min().round(2)
df3 = df3.unstack(level=-1)
df3.columns = df3.columns.droplevel(level=0)
df3 = df3[list('春夏秋冬')]
df3 = df3.loc[['北京','上海','广州','成都','沈阳']]
df3

季节	春	夏	秋	冬
城市
北京	-9.0	13.0	-12.0	-19.0
上海	-1.0	17.0	-2.0	-4.0
广州	7.6	20.5	6.4	1.7
成都	5.0	18.0	5.0	-2.0
沈阳	-14.0	10.0	-18.0	-25.0

fig = plt.figure(figsize=(12,12))
ax = fig.add_subplot(1,1,1)
df3.plot.bar(ax = ax)
plt.grid(color = 'gray',ls = '--')
plt.ylabel('温度')
# 在中文字体下, 默认的负号, 会显示不正常
plt.rcParams['axes.unicode_minus'] = False

各个城市最大风速随时间变化趋势

import numpy as np


fig,axes = plt.subplots(2,2,figsize = (16,12)) # 添加子视图

df4 = df.groupby(by = ['城市','年份'])[['累计风速']].max().round(2)
# 数据重塑
df4 = df4.unstack(level = 0)
df4.columns = df4.columns.droplevel(0)
df4 = df4[['北京','上海','广州','沈阳','成都']]

# 在第一幅子图上绘制年份与风速
df4.plot(ax = axes[0,0])
axes[0, 0].set_ylabel("风速")



df5= df.groupby(by = ['城市','月份'])[['累计风速']].max().round(2)
# 数据重塑
df5 = df5.unstack(level = 0)
df5.columns = df5.columns.droplevel(0)
df5 = df5[['北京','上海','广州','沈阳','成都']]
ax = df5.plot(ax = axes[1,0]) # 子视图索引：第二行，第一列（左下角）

# 设置
months = ['一月','二月','三月','四月','五月','六月','七月','八月','九月','十月','十一月','十二月']
ax.set_xticks(np.arange(1,13)) # 刻度
_ = ax.set_xticklabels(months,rotation = 60)


df6 = df.groupby(by = ['城市','季节'])[['累计风速']].max().round(2)
# 数据重塑
df6= df6.unstack(level = 0)
# 调整行索引顺序
df6 = df6.loc[list('春夏秋冬')]
# 删除列索引
df6.columns = df6.columns.droplevel(0)
# 调整列索引顺序
df6 = df6[['北京','上海','广州','沈阳','成都']]
# ax 指定了使用第一行，第二列的子视图：右上角
df6.plot(ax = axes[0,1])


df7 = df.groupby(by = ['城市','小时'])[['累计风速']].max().round(2)
# 数据重塑
df7= df7.unstack(level = 0)
df7.columns = df7.columns.droplevel(0)

df7 = df7[['北京','上海','广州','沈阳','成都']]

# 子视图索引1,1 == 第二行、第二列右下角
ax = df7.plot(ax = axes[1,1])

# 设置
_ = ax.set_xticks(np.arange(0,24))

# 保存
plt.savefig('./各个城市最大风速随时间变化趋势.png')