Python Pandas: 使用 .index 和 .week 属性创建季节性图表

这段 Python 代码使用 Pandas 库将平均销售数据转换为 DataFrame 格式，并添加了代表周数和星期几的列，最后使用 seasonal_plot 函数绘制季节性图表。

代码解释:

1. X = average_sales.to_frame(): 将平均销售数据 average_sales 转换为 Pandas DataFrame，并赋值给变量 X。

2. X['week'] = X.index.week: 添加一个名为 'week' 的列，其值为数据索引所在的周数。X.index 获取 DataFrame 的索引，week 属性则用于获取索引所在的周数。

3. X['day'] = X.index.dayofweek: 添加一个名为 'day' 的列，其值为数据索引所在的星期几。dayofweek 属性用于获取索引所在的星期几（0 代表星期一，6 代表星期日）。

4. seasonal_plot(X, y='sales', period='week', freq='day');: 调用 seasonal_plot 函数绘制季节性图表。

   • X：传递 DataFrame 数据。
   • y='sales': 指定要绘制的数据列为 'sales'。
   • period='week': 指定周期为周（'week'）。
   • freq='day': 指定频率为每天（'day'）。

.index 和 .week 属性解释:

• .index 是 Pandas 中 Series 和 DataFrame 对象的属性，代表数据的索引。可以使用 .index 属性访问索引，并进行各种索引操作，例如获取索引值、设置索引等。
• .week 是 datetime 类中的属性，用于获取日期所在的周数。该属性仅适用于日期类型的数据。

通过这段代码，我们可以利用 Pandas 库的便捷功能，将平均销售数据转化为包含周数和星期几信息的 DataFrame，并通过 seasonal_plot 函数直观地展现数据的季节性变化趋势。