绘制数据的聚合值

用 Python 可视化时间序列数据

Thomas Vincent

Head of Data Science, Getty Images

移动平均

  • 在时间序列分析中，移动平均可用于多种目的：
    • 平滑短期波动
    • 去除异常值
    • 突出长期趋势或周期。
用 Python 可视化时间序列数据

移动平均模型

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()
用 Python 可视化时间序列数据

CO2 数据的移动平均图

时间序列的滚动平均

用 Python 可视化时间序列数据

计算时间序列的聚合值

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)
用 Python 可视化时间序列数据

绘制时间序列的聚合值

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

plt.show()
用 Python 可视化时间序列数据

绘制时间序列的聚合值

CO2 数据的月度聚合

用 Python 可视化时间序列数据

让我们练习一下！

用 Python 可视化时间序列数据

Preparing Video For Download...