Day 37 : 重组时间序列，案例

2020/11/14

重组时间序列

运用PeriodIndex(year=df["columns"],month=df["columns"],day=df["columns"],hour=df["columns"],freq="H")可以把不同列里面的数据组合为一个时间序列，并且按照freq 的设定来分行。

问题(处理空气质量数据)

现有一个北京的空气质量数据，绘制出PM2.5随时间的变化情况

可以看出来 数据中的时间被分为几列，这时候就需要用重组时间序列的方法
对于这道题的整体思路：

1. 重组时间序列
2. 时间序列变为索引
3. 降采样（因为数据太多，显示不出来）
4. 处理空白数据
5. 画图（1时间序列转化为可读时间 2注意rotation）

# coding=utf-8
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[