Podsumowywanie wartości w danych szeregów czasowych

Wizualizacja danych szeregów czasowych w Pythonie

Thomas Vincent

Head of Data Science, Getty Images

Uzyskiwanie statystyk numerycznych danych

Jaka jest średnia wartość tych danych?
Jaka jest maksymalna wartość w tym szeregu czasowym?

Metoda .describe() automatycznie oblicza kluczowe statystyki wszystkich kolumn numerycznych w DataFrame

print(df.describe())

               co2
count  2284.000000
mean    339.657750
std      17.100899
min     313.000000
25%     323.975000
50%     337.700000
75%     354.500000
max     373.900000

Podsumowywanie danych za pomocą wykresów pudełkowych

ax1 = df.boxplot()
ax1.set_xlabel('Your first boxplot')
ax1.set_ylabel('Values of your data')
ax1.set_title('Boxplot values of your data')

plt.show()

Wykres pudełkowy wartości danych CO2

Wykres pudełkowy szeregu czasowego

Podsumowywanie danych za pomocą histogramów

ax2 = df.plot(kind='hist', bins=100)
ax2.set_xlabel('Your first histogram')
ax2.set_ylabel('Frequency of values in your data')
ax2.set_title('Histogram of your data with 100 bins')

plt.show()

Histogram wartości danych CO2

Histogram ze 100 przedziałami

Podsumowywanie danych za pomocą wykresów gęstości

ax3 = df.plot(kind='density', linewidth=2)
ax3.set_xlabel('Your first density plot')
ax3.set_ylabel('Density values of your data')
ax3.set_title('Density plot of your data')

plt.show()

Wykres gęstości wartości danych CO2

Wykres gęstości danych

Czas na ćwiczenia!

Wizualizacja danych szeregów czasowych w Pythonie