Python数据分析实战—用matplotlib实现数据可视化（2）

《Python数据分析实战》

1.处理日期值

数据处理过程中，最常见的一个问题就是日期类型数据的处理。

import datetime
import numpy as np
import matplotlib.pyplot as plt
import matplotlib.dates as mdates

#分别表示月份和日子（这个例子主要是用到月份）
mothes = mdates.MonthLocator()
days = mdates.DayLocator()

#定义时间显示格式
timeFmt = mdates.DateFormatter('%Y-%m')

events = [datetime.date(2015,1,23),datetime.date(2015,1,28),datetime.date(2015,2,3),datetime.date(2015,2,21),datetime.date(2015,3,15),datetime.date(2015,3,24),datetime.date(2015,4,8),datetime.date(2015,4,24)]
readings = [12,22,25,20,18,15,17,14]

#注意是subplots，返回一个figure对象和一个子图的array列表。
fig,ax = plt.subplots()

plt.plot(events,readings)

#设置显示格式
ax.xaxis.set_major_locator(mothes)
ax.xaxis.set_major_formatter(timeFmt)

plt.show()

下面显示是否添加时间格式的区别：

关于日期转换的另一个例子：

from pylab import *  
import matplotlib as mpl  
import datetime  

#获取figure和axes对象    
fig = figure()  
ax = gca()  
start = datetime.datetime(2013, 1, 1)  
stop = datetime.datetime(2013, 12, 31)  
#设置时间间隔
delta = datetime.timedelta(days = 1)  
#Return a sequence of equally spaced Matplotlib dates.返回等距的时间序列
dates = mpl.dates.drange(start, stop, delta)  

#生成对应的整数随机分布
values = np.random.rand(len(dates))  

ax = gca()  
ax.plot_date(dates, values, linestyle= '-', marker='')  
date_format = mpl.dates.DateFormatter('%Y-%m-%d')  
ax.xaxis.set_major_formatter(date_format)  

#autofmt_xdate解释：Date