机器学习-Day06

1.时间序列-911数据

 

911电话中不用月份的电话情况

import pandas as pd
import numpy as np
from matplotlib import pyplot as plt

#设置显示的最大列、宽等参数，消掉打印不完全中间的省略号
pd.set_option('display.max_columns', 1000) #显示完整的列
pd.set_option('display.max_rows', None) #显示完整的行
pd.set_option('display.width', 1000) #显示最大的行宽
pd.set_option('display.max_colwidth', 1000) #显示最大的列宽

df = pd.read_csv("./911.csv")

# print(df.head(5))
# print("*"*100)

df["timeStamp"] = pd.to_datetime(df["timeStamp"])
df.set_index("timeStamp",inplace=True)


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

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

# for i in _x:
#     print(dir(i))
#     break
_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.show()

911数据中不同月份不同类型的电话的次数

import pandas as pd
import numpy as np
from matplotlib import pyplot as plt

#设置显示的最大列、宽等参数，消掉打印不完全中间的省略号
pd.set_option('display.max_columns', 1000) #显示完整的列
pd.set_option('display.max_rows', None) #显示完整的行
pd.set_option('display.width', 1000) #显示最大的行宽
pd.set_option('display.max_colwidth', 1000) #显示最大的列宽

df = pd.read_csv("./911.csv")
# print(df.head(5))
# print("*"*100)

#设置添加列，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)))

# 把时间字符串设置为类型转化为索引
df["timeStamp"] = pd.to_datetime(df["timeStamp"])
df.set_index("timeStamp",inplace=True)

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

# print(df.head())
for group_name,group_data in df.groupby(by="cate"):
    count_by_month = group_data.resample("M").count()["title"]
    # 画图
    _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.show()

2.PM2.5

import pandas as pd
from matplotlib import pyplot as plt

file_path = "./PM2.5/BeijingPM20100101_20151231.csv"

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
period = pd.PeriodIndex(year = df["year"],month = df["month"],day = df["day"],hour = df["hour"],freq="H")
df["datatime"] = period
#把“datatime”设置为索引
df.set_index("datatime",inplace=True)

#进行降采样
df = df.resample("7D").mean()
print(df.shape)
#缺失数据处理，删除缺失数据
# data = df["PM_US Post"].dropna()
# data_china = df["PM_Dongsi"].dropna()
data = df["PM_US Post"]
data_china = df["PM_Dongsi"]

#画图
_x = data.index
_x = [i.strftime("%Y%m%d") for i in _x] #修改时间格式为年月日
_x_china = [i.strftime("%Y%m%d") for i in data_china.index] #修改时间格式为年月日
_y = data.values
_y_china = data_china.values

plt.figure(figsize=(20,8),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),10),list(_x)[::10],rotation = 45)
plt.legend(loc = "best")
plt.show()