pandas实战(PM2.5)

实战内容：利用pandas以及数据可视化对比中美统计的PM2.5数据

数据来源：PM2.5数据

首先打印一下数据信息，查看数据结构

	file_path = "./BeijingPM20100101_20151231.csv"
    df = pd.read_csv(file_path)
    print(df.head())
    print(df.info())

前5行数据如下：

数据的详细信息如下：

我们将时间数据进行合并，并将得到的新的时间添加到数据中，并将时间设置为索引，以便画图时使用

	# 观察数据，我们可以知道csv文件中的时间间隔为一小时，故将采样频率设置为"H"
	period = pd.PeriodIndex(year=df["year"], month=df["month"], day=df["day"], hour=df["hour"], freq="H")
    df["datetime"] = period
    df.set_index("datetime", inplace=True)

现在我们要取得PM_US Post作为y轴数据画图

	data = df["PM_US Post"]
    x = data.index
    y = data.values
    plt.figure(figsize=(20, 8), dpi=80)
    plt.plot(range(len(x)), y)
    plt.show()

画图结果：

emmmm，惨不忍睹，数据太密集了，而且若前半部分数据大部分是NaN，后半部分基本没有NaN，直接dropna会导致时间很不均匀。
现在重新采样，将时间间隔设置为7天（也就是原7*24=148条数据整合成1条数据），同时将这7天的PM2.5数据取平均值作为采样数据

df = df.resample("7D").mean()

直接画图

    x = data.index
    x = [i.strftime("%Y-%m-%d") for i in x]
    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.show()

降采样后的结果：
我们对比一下中美检测PM2.5，取"PM_Dongsi"作为中国的数据画图

    x_cn = data_cn.index
    x_cn = [i.strftime("%Y-%m-%d") for i in x_cn]
    y_cn = data_cn.values
    plt.plot(range(len(x_cn)), y_cn, label="CN_POST")

由于中国统计的数据从2010-01-01到2013-01-04全是NaN，所以前半部分没有橙色的线条

完整代码：

import pandas as pd
from matplotlib import pyplot as plt


def main():
    file_path = "./BeijingPM20100101_20151231.csv"
    df = pd.read_csv(file_path)
    # print(df.head(1)[["PM_Dongsi","PM_Dongsihuan"]])
    # print(df.info())
    # 把分开的时间字符串通过PeriodIndex方法转化为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
    # 将datetime设置为索引
    df.set_index("datetime", inplace=True)
    # 进行降采样
    df = df.resample("7D").mean()
    data = df["PM_US Post"] # 取出PM_US Post列，然后删除含有NaN的数据
    data_cn = df["PM_Dongsi"]
    x = data.index
    x_cn = data_cn.index
    x = [i.strftime("%Y-%m-%d") for i in x]
    x_cn = [i.strftime("%Y-%m-%d") for i in x_cn]
    y = data.values
    y_cn = data_cn.values
    plt.figure(figsize=(20, 8), dpi=80)
    plt.plot(range(len(x)), y, label="US_POST")
    plt.plot(range(len(x_cn)), y_cn, label="CN_POST")
    plt.xticks(range(0, len(x), 10), list(x)[::10], rotation=45)
    plt.legend(loc="best")
    plt.savefig(fname="./1.png", dpi=500)
    plt.show()


if __name__ == '__main__':
    main()