Pandas玩转数据（九) -- 时间序列的采样和画图

最新推荐文章于 2024-04-22 22:22:58 发布

原创最新推荐文章于 2024-04-22 22:22:58 发布 · 4k 阅读

5 ·

CC 4.0 BY-SA版权

python 专栏收录该内容

19 篇文章

订阅专栏

本文通过实例演示了如何使用Python3进行数据科学操作，包括利用numpy和pandas库生成时间序列数据，创建Series和DataFrame，进行数据重采样，以及绘制股票价格的周平均走势。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

Python3数据科学汇总： https://blog.youkuaiyun.com/weixin_41793113/article/details/99707225

import numpy as np
import pandas as pd
from pandas import Series, DataFrame

t_range = pd.date_range('2016-01-01', '2016-12-31')

t_range ##生成时间序列

s1 = Series(np.random.randn(len(t_range)), index=t_range) ##以时间序列为索引生成Series

s1['2016-01'].mean() ##求2016-01月的平均值

s1_month = s1.resample('M').mean() ##改变采样频率为月

s1_month.index

s1.resample('H').bfill() ##以'H'小时重新采样,以上一个非空数据填充

t_range = pd.date_range('2016-01-01', '2016-12-31', freq='H') #从2016-01-01到2016-12-31以小时采样时间序列

t_range

# 建立一个DataFrame
stock_df = DataFrame(index=t_range)
# 加入两行，模拟股票
stock_df['BABA'] = np.random.randint(80, 100, size=len(t_range))
stock_df['TENCENT'] = np.random.randint(30, 50, size=len(t_range))

stock_df

stock_df.plot() ##画图

import matplotlib.pyplot as plt
%matplotlib inline
plt.show()

weekly_df = DataFrame() ##创建空的DataFrame

weekly_df['BABA'] = stock_df['BABA'].resample('W').mean()  ##以周为频率重新采样
weekly_df['TENCENT'] = stock_df['TENCENT'].resample('W').mean()
weekly_df.head()