算法-pandas-时间序列

最新推荐文章于 2024-06-18 09:06:49 发布

呵呵的校园

最新推荐文章于 2024-06-18 09:06:49 发布

阅读量225

点赞数

分类专栏：算法文章标签： python

本文链接：https://blog.csdn.net/u014628668/article/details/120772229

版权

算法专栏收录该内容

36 篇文章 0 订阅

订阅专栏

这篇博客展示了两个数据分析案例。首先，通过Python对911数据进行处理，分析了不同月份不同类型的电话呼叫次数变化。然后，利用matplotlib绘制了某城市PM2.5浓度随时间的变化，通过数据重采样降低了数据密度。

摘要由CSDN通过智能技术生成

#911数据中不同月份不同类型的电话的次数的变化情况
import pandas as pd
import numpy as np
from matplotlib import pyplot as plt

file_path = './911.csv'
data = pd.read_csv(file_path)
# print(data.head(3))
# print(data.info())

#将电话类别筛出来
temp_list = data['title'].str.split(': ').tolist()
cata_list = [i[0] for i in temp_list]
# print(cata_list)

#将类别补充到数据中
data['cata'] = pd.DataFrame(np.array(cata_list))
# print(data.head(3))
# print(data.info())

#将日期更新成dataForme中的时间格式，设置索引方便分组
data['timeStamp'] = pd.to_datetime(data['timeStamp'])
data.set_index('timeStamp', inplace=True)
print(data.head(3))

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

for group_name, group_data in data.groupby(by='cata'):
    #因为之前将时间设置成了索引，所以可以直接通过resample()方法，选择不同的模式进行分组统计
    temp_data = group_data.resample('M').count()['title']
    _x = temp_data.index
    _y = temp_data.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.show()

# 请绘制出5个城市的PM2.5随时间的变化情况

import pandas as pd
from matplotlib import pyplot as plt

file_path = './PM2.5/BeijingPM20100101_20151231.csv'
data = pd.read_csv(file_path)

# print(data.head())
# print(data.info())

#补全日期形式
data['datetime'] = pd.PeriodIndex(year=data['year'], month=data['month'], day=data['day'], hour=data['hour'], freq='H')
# print(data.head())
print(data.info())

#设置时间为索引
data.set_index('datetime', inplace=True)
print(data.head())

#重采样降低数据密集程度
data = data.resample('7D').mean()
data_US = data['PM_US Post']

print(data_US)

plt.figure(figsize=(20, 8), dpi=80)
_x = data_US.index
_x = [i.strftime('%Y%m%d') for i in _x]
_y = data_US.values

plt.plot(range(len(_x)), _y)
plt.xticks(range(0, len(_x), 10), _x[::10], rotation=45)


plt.show()