备战数学建模29 & 科研必备 Python之pandas时间序列

目录

1-pandas与时间序列

 2-pandas案例

---

1-pandas与时间序列

无论在什么行业，时间序列都是一种十分重要的数据形式，很多统计数据以及数据规律也都和时间序列有着十分重要的关系，而且pandas在处理时间序列是非常简单的。下面我们看下生成时间序列的方法：

生成一段时间的python代码如下：

import pandas as pd

#生成一段时间范围
t = pd.date_range(start="20211230",end="20220131",freq="D") #D代表天,每隔1天取一个
t1 = pd.date_range(start="20211230",end="20220131",freq="10D")#每隔10天取一个
t2 = pd.date_range(start="20211230",periods=10,freq="D") #生成10个天
t3 = pd.date_range(start="20211231",periods=10,freq="M") #生成10个月份
t4 = pd.date_range(start="20211231",periods=10,freq="H") #生成10个小时得时间
print(t)
print(t1)
print(t2)
print(t3)
print(t4)
print("*" * 100)

pandas重采样：将时间序列从一个频率转化为另一个频率进行处理的过程，将高频率数据转化为低频率数据称为降采样，将低频率数据转化为高频率数据为升采样。pandas提供一个resample()方法来帮助我们实现频率转化。

那么下面我们假设有911数据，现在想完成如下两个问题：

1-统计出911数据中不同月份电话次数的变化情况；

2-统计出911数据中不同月份不同类型的电话次数的变化情况；

问题1的pytho代码如下：

import pandas as pd
from matplotlib import pyplot as plt
import matplotlib
matplotlib.rc("font", family='YouYuan')

df = pd.read_csv("./data/911.csv")
#把时间序列转换为时间类型，设置为索引
df["timeStamp"] = pd.to_datetime(df["timeStamp"])
df.set_index("timeStamp",inplace=True)

#统计出911数据中不同月份的电话次数
count_by_month = df.resample("M").count()["title"]
print(count_by_month)

#画图
_x = count_by_month.index
_y = count_by_month.values

_x = [i.strftime("%Y-%m-%d") for i in _x]

plt.figure(figsize=(20,8), dpi=80)
plt.plot(range(len(_x)),_y)
plt.xticks(range(len(_x)),_x,rotation=45)
plt.xlabel("时间：(单位：月份)")
plt.ylabel("电话次数")
plt.title("每月电话次数变化情况示意图")
plt.show()

问题1绘制的图形如下所示：

 问题2的python代码如下所示：

import pandas as pd
from matplotlib import pyplot as plt
import matplotlib
import numpy as np
matplotlib.rc("font", family='YouYuan')

df = pd.read_csv("./data/911.csv")
#把时间序列转换为时间类型，设置为索引
df["timeStamp"] = pd.to_datetime(df["timeStamp"])

#添加列，表示分类
temp_list = df["title"].str.split(": ").tolist()
cate_list = [i[0] for i in temp_list]
df["cate"] = pd.DataFrame(np.array(cate_list).reshape((df.shape[0],1)))

plt.figure(figsize=(20,8), dpi=80)

df.set_index("timeStamp",inplace=True)
#分组
for group_name, group_data in df.groupby(by="cate"):
    #对不同的分类都进行绘图
    count_by_month = group_data.resample("M").count()["title"]
    _x = count_by_month.index
    _y = count_by_month.values
    _x = [i.strftime("%Y-%m-%d") for i in _x]
    plt.plot(range(len(_x)),_y,label=group_name)
plt.xticks(range(len(_x)),_x,rotation=45)
plt.legend(loc="best")
plt.xlabel("时间：(单位：月份)")
plt.ylabel("电话次数")
plt.title("每月不同类型的电话次数变化情况示意图")
plt.show()

绘制的图形如下：

 2-pandas案例

假设现在我们有北京、上海、广州、深圳和沈阳5个城市的空气质量数据，请绘制出5个城市的PM2.5随时间变化的情况，观察这组数据的时间结构，并不是字符串，这个时候我们该怎么办呢？我们可以把分开的时间字符串通过PeriodIndex()方法转换为pandas的时间类型，然后就可以将时间序列设置成索引，进行重采样，然后绘图。

绘制出北京的空气质量随着时间变化数据，其余城市不再赘述，python代码如下所示：

import pandas as pd
from matplotlib import pyplot as plt
import matplotlib
import numpy as np
matplotlib.rc("font", family='YouYuan')

df = pd.read_csv("./PM2.5/BeijingPM20100101_20151231.csv")

#把分开的时间字符串通过PeriodIndex()方法转换为pandas的时间类型
period = pd.PeriodIndex(year=df["year"],month=df["month"],day=df["day"],hour=df["hour"],freq="H")
df["datetime"] = period
print(df.head(10))

#把datetime设置为索引
df.set_index("datetime",inplace=True)

#进行降采样
df = df.resample("7D").mean()
#处理NAN数据,直接删除
data = df["PM_US Post"].dropna()
#画图
_x = data.index
_y = data.values

plt.figure(figsize=(20,8),dpi=80)
plt.plot(range(len(_x)), _y)
plt.xticks(range(0,len(_x),10),list(_x)[::10],rotation=45)

plt.xlabel("时间：(单位：月份)")
plt.ylabel("PM2.5指数")
plt.title("2010年至2015年北京PM2.5变化情况示意图")
plt.show()

绘制的图像如下：