Python 数据分析：使用 Pandas 和 Matplotlib 处理时间序列数据

本教程介绍如何使用 Python 中的 Pandas 和 Matplotlib 库处理时间序列数据。我们将加载一个隧道流量数据集，并使用 Matplotlib 绘制图表以分析数据趋势。

from pathlib import Path
from warnings import simplefilter

import matplotlib.pyplot as plt
import numpy as np
import pandas as pd

simplefilter('ignore')  # 忽略警告以清理输出单元格

# 设置 Matplotlib 默认值
plt.style.use('seaborn-whitegrid')
plt.rc('figure', autolayout=True, figsize=(11, 5))
plt.rc(
    'axes',
    labelweight='bold',
    labelsize='large',
    titleweight='bold',
    titlesize=14,
    titlepad=10,
)
plot_params = dict(
    color='0.75',
    style='.-',
    markeredgecolor='0.25',
    markerfacecolor='0.25',
    legend=False,
)
%config InlineBackend.figure_format = 'retina'


# 加载隧道流量数据集
data_dir = Path('./ts-course-data')
tunnel = pd.read_csv(data_dir / 'tunnel.csv', parse_dates=['Day'])
tunnel = tunnel.set_index('Day').to_period()

代码含义:

%config InlineBackend.figure_format = 'retina' 这行代码的含义是设置 Jupyter Notebook 中绘图的分辨率，将其设置为高清晰度(retina)。

通过设置 InlineBackend.figure_format 为 'retina'，我们能够在 Jupyter Notebook 中生成更高分辨率的图表，从而获得更清晰的图像。

后续步骤:

在本教程中，我们将继续使用 Pandas 和 Matplotlib 来进一步分析隧道流量数据集。我们将学习如何：

使用 Pandas 进行时间序列数据处理
使用 Matplotlib 创建各种图表
分析数据趋势
进行预测

让我们开始吧！

Python 数据分析：使用 Pandas 和 Matplotlib 处理时间序列数据