课时46
当数据比较多的时候,某几行几列是不会显示出来的。
不过因为此处用了head函数,所以至少前五行会显示。
课时47
上图的时间与我们学过的时间不一样,所以需要一个新的函数来运用于时间段。
数据看起来与前面一样,但是是periodindex的类型。
那么接下来就应该把这个数据给转换。
然后下一步,酱datertime设置为索引。
接下来解决我们的问题。
首先可以看到数据有缺失,在这里选择删除数据。
接下来就可以画图了。
先简单看下这个数据的图形。
这个时候可以对数据进行重采样。
课时48
import time
import pandas as pd
import numpy as np
import matplotlib as plt
file_path=" "
df=pd.read_csv(file_path)
#把分开的时间字符串通过PeriodIndex的方法转化为pandas的时间类型
pd.PeriodIndex(year=df["year"],month=df["month"],day=df["day"],hour=df["hour"])
df["datertime"]=period
#把datertime设置为索引
df.set_index("datertime",inplace=True)
#进行降采样
df=df.resample("7D").mean() #按照天来统计
#处理缺失数据
#要么删除,要么设置为均值
#在这里选择删除缺失数据
data=df["PM_US Post"]
data_china=df["PM_Dongsi"]
#绘图
_x=data.index
_x=[i.strftime("%Y%m%d") for i in _x ]
_x_china=[i.strftime("%Y%m%d") for i in data_china.index]
_y=data.values
_y_china=data_china.values
plt.figure(figsize=(28,10),dpi=80)
plt.plot(range(len(_x),_y),label="US_POST")
plt.plot(range(len(_x_china)),_y_china,label="CN_POST")
#plt.xticks(range(0,len(_x),20),list(_x)[::10],rotation=45)
plt.legend()
plt.show()
课时49
画图时,当我们想要传入不同组距时,就会发现很不方便。
所以要设置不等组距。