第六章

原文：Chapter 6

译者：飞龙

协议：CC BY-NC-SA 4.0

  1. import pandas as pd
  2. pd.set_option('display.mpl_style', 'default')
  3. figsize(15, 3)

我们前面看到，Pandas 真的很善于处理日期。 它也善于处理字符串！ 我们从第 5 章回顾我们的天气数据。

  1. weather_2012 = pd.read_csv('../data/weather_2012.csv', parse_dates=True, index_col='Date/Time')
  2. weather_2012[:5]
Temp (C) Dew Point Temp (C) Rel Hum (%) Wind Spd (km/h) Visibility (km) Stn Press (kPa) Weather
Date/Time
2012-01-01 00:00:00 -1.8 -3.9 86 4 8.0 101.24 Fog
2012-01-01 01:00:00 -1.8 -3.7 87 4 8.0 101.24 Fog
2012-01-01 02:00:00 -1.8 -3.4 89 7 4.0 101.26 Freezing Drizzle,Fog
2012-01-01 03:00:00 -1.5 -3.2 88 6 4.0 101.27 Freezing Drizzle,Fog
2012-01-01 04:00:00 -1.5 -3.3 88 7 4.8 101.23 Fog

6.1 字符串操作

您会看到Weather列会显示每小时发生的天气的文字说明。 如果文本描述包含Snow，我们将假设它是下雪的。

pandas 提供了向量化的字符串函数，以便于对包含文本的列进行操作。 文档中有一些很好的例子。

  1. weather_description = weather_2012['Weather']
  2. is_snowing = weather_description.str.contains('Snow')

这会给我们一个二进制向量，很难看出里面的东西，所以我们绘制它：

  1. # Not super useful
  2. is_snowing[:5]
  1. Date/Time
  2. 2012-01-01 00:00:00    False
  3. 2012-01-01 01:00:00    False
  4. 2012-01-01 02:00:00    False
  5. 2012-01-01 03:00:00    False
  6. 2012-01-01 04:00:00    False
  7. Name: Weather, dtype: bool
  1. # More useful!
  2. is_snowing.plot()
  1. <matplotlib.axes.AxesSubplot at 0x403c190>

第六章 - 图1

6.2 使用resample找到下雪最多的月份

如果我们想要每个月的温度中值，我们可以使用resample()方法，如下所示：

  1. weather_2012['Temp (C)'].resample('M', how=np.median).plot(kind='bar')
  1. <matplotlib.axes.AxesSubplot at 0x560cc50>

第六章 - 图2

毫无奇怪，七月和八月是最暖和的。

所以我们可以将is_snowing转化为一堆 0 和 1，而不是True和False。

  1. Date/Time
  2. 2012-01-01 00:00:00    0
  3. 2012-01-01 01:00:00    0
  4. 2012-01-01 02:00:00    0
  5. 2012-01-01 03:00:00    0
  6. 2012-01-01 04:00:00    0
  7. 2012-01-01 05:00:00    0
  8. 2012-01-01 06:00:00    0
  9. 2012-01-01 07:00:00    0
  10. 2012-01-01 08:00:00    0
  11. 2012-01-01 09:00:00    0
  12. Name: Weather, dtype: float64

然后使用resample寻找每个月下雪的时间比例。

  1. is_snowing.astype(float).resample('M', how=np.mean)
  1. Date/Time
  2. 2012-01-31    0.240591
  3. 2012-02-29    0.162356
  4. 2012-03-31    0.087366
  5. 2012-04-30    0.015278
  6. 2012-05-31    0.000000
  7. 2012-06-30    0.000000
  8. 2012-07-31    0.000000
  9. 2012-08-31    0.000000
  10. 2012-09-30    0.000000
  11. 2012-10-31    0.000000
  12. 2012-11-30    0.038889
  13. 2012-12-31    0.251344
  14. Freq: M, dtype: float64
  1. is_snowing.astype(float).resample('M', how=np.mean).plot(kind='bar')
  1. <matplotlib.axes.AxesSubplot at 0x5bdedd0>

第六章 - 图3

所以现在我们知道了！ 2012 年 12 月是下雪最多的一个月。 此外，这个图表暗示着我感觉到的东西 - 11 月突然开始下雪，然后慢慢变慢，需要很长时间停止，最后下雪的月份通常在 4 月或 5 月。

6.3 将温度和降雪绘制在一起

我们还可以将这两个统计（温度和降雪）合并为一个DataFrame，并将它们绘制在一起：

  1. temperature = weather_2012['Temp (C)'].resample('M', how=np.median)
  2. is_snowing = weather_2012['Weather'].str.contains('Snow')
  3. snowiness = is_snowing.astype(float).resample('M', how=np.mean)
  5. # Name the columns
  6. temperature.name = "Temperature"
  7. snowiness.name = "Snowiness"

我们再次使用concat，将两个统计连接为一个DataFrame。

  1. stats = pd.concat([temperature, snowiness], axis=1)
  2. stats
Temperature Snowiness
Date/Time
2012-01-31 -7.05 0.240591
2012-02-29 -4.10 0.162356
2012-03-31 2.60 0.087366
2012-04-30 6.30 0.015278
2012-05-31 16.05 0.000000
2012-06-30 19.60 0.000000
2012-07-31 22.90 0.000000
2012-08-31 22.20 0.000000
2012-09-30 16.10 0.000000
2012-10-31 11.30 0.000000
2012-11-30 1.05 0.038889
2012-12-31 -2.85 0.251344 
  1. stats.plot(kind='bar')
  1. <matplotlib.axes.AxesSubplot at 0x5f59d50>

第六章 - 图4

这并不能正常工作，因为比例不对，我们可以在两个图表中分别绘制它们，这样会更好：

  1. stats.plot(kind='bar', subplots=True, figsize=(15, 10))
  1. array([<matplotlib.axes.AxesSubplot object at 0x5fbc150>,
  2.        <matplotlib.axes.AxesSubplot object at 0x60ea0d0>], dtype=object)

第六章 - 图5