在这里主要使用pandas对数据进行处理。
首先把数据读入pandas
data = pd.read_csv("D:\...存放数据的路径..\数据文件名.csv", encoding="gbk")
对于时间数据的那一列，将其转换为DATE类型
data['TIME'] = pd.to_datetime(data['TIME'])
如果对于时间数据，想单独提取某一月份或者某一日期或者某一周，可以创建一个新列或者直接在时间列TIME上进行更改，这里使用了一个lamda函数，做法大致如下。
data['TIME'] = data['TIME'].apply(lambda v: datetime.strftime(v, '%Y-%m-%d'))
# 原列上更改
data['MONTH'] = data['TIME'].apply(lambda v: datetime.strftime(v, '%Y-%m'))
# 添加月份新列
然后去掉重复行，过多的重复数据不利于很好地找到特殊数据的占比等
data = data.drop_duplicates()
# 将重复行去掉
通常都会把时间序列数据作为索引，在图像的绘制中，索引数据默认作为x轴。
将该列设置为索引后，对其进行操作可能不方便，取消索引的命令：
data = data.set_index(['TIME'])
# 将TIME列设为索引
data = data.reset_index()
# 取消索引
最后
以上就是超级滑板最近收集整理的关于python数据可视化——处理时间序列数据的全部内容，更多相关python数据可视化——处理时间序列数据内容请搜索靠谱客的其他文章。
本图文内容来源于网友提供，作为学习参考使用，或来自网络收集整理，版权属于原作者所有。
发表评论 取消回复