2022.04.15

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。