Vẽ biểu đồ tổng hợp dữ liệu của bạn

Trực quan hóa dữ liệu chuỗi thời gian trong Python

Thomas Vincent

Head of Data Science, Getty Images

Trung bình trượt

  • Trong phân tích chuỗi thời gian, trung bình trượt có thể dùng cho nhiều mục đích:
    • làm mượt biến động ngắn hạn
    • loại bỏ ngoại lệ
    • làm nổi bật xu hướng hoặc chu kỳ dài hạn.
Trực quan hóa dữ liệu chuỗi thời gian trong Python

Mô hình trung bình trượt

co2_levels_mean = co2_levels.rolling(window=52).mean()

ax = co2_levels_mean.plot()
ax.set_xlabel("Date")
ax.set_ylabel("The values of my Y axis")
ax.set_title("52 weeks rolling mean of my time series")

plt.show()
Trực quan hóa dữ liệu chuỗi thời gian trong Python

Biểu đồ trung bình trượt cho dữ liệu CO2

Trung bình trượt của một chuỗi thời gian

Trực quan hóa dữ liệu chuỗi thời gian trong Python

Tính giá trị tổng hợp của chuỗi thời gian

co2_levels.index

DatetimeIndex(['1958-03-29', '1958-04-05',...],
              dtype='datetime64[ns]', name='datestamp', 
              length=2284, freq=None)

print(co2_levels.index.month)

array([ 3,  4,  4, ..., 12, 12, 12], dtype=int32)

print(co2_levels.index.year)

array([1958, 1958, 1958, ..., 2001,
      2001, 2001], dtype=int32)
Trực quan hóa dữ liệu chuỗi thời gian trong Python

Vẽ biểu đồ giá trị tổng hợp của chuỗi thời gian

index_month = co2_levels.index.month
co2_levels_by_month = co2_levels.groupby(index_month).mean()
co2_levels_by_month.plot()

plt.show()
Trực quan hóa dữ liệu chuỗi thời gian trong Python

Vẽ biểu đồ giá trị tổng hợp của chuỗi thời gian

Tổng hợp theo tháng của dữ liệu CO2

Trực quan hóa dữ liệu chuỗi thời gian trong Python

Cùng luyện tập nào!

Trực quan hóa dữ liệu chuỗi thời gian trong Python

Preparing Video For Download...