利用pandas库进行数据分析（五）

这段代码主要完成了以下任务：

1. 从一个 CSV 文件中读取了北京市的 PM2.5 数据。
2. 将时间字符串拆分为年、月、日、小时，并创建一个新的时间索引列。
3. 将新的时间索引列设置为 DataFrame 的索引。
4. 对数据进行了降采样，计算每周的均值。
5. 准备了要绘制的两条曲线的数据，分别是 'PM_US Post' 和 'PM_Dongsi' 列。
6. 创建了一个图表，并绘制了两条曲线。
7. 设置了 x 轴刻度和图例，使得图表更易于理解。
8. 最后，显示了绘制好的图表，让用户可以观察北京市不同地区的 PM2.5 变化趋势。

# coding=utf-8
import pandas as pd
from matplotlib import pyplot as plt

# 设置 Pandas 显示选项
pd.set_option('display.max_rows', 500)  # 设置最多显示的行数
pd.set_option('display.max_columns', 1000)  # 设置最多显示的列数
pd.set_option('display.width', 1000)  # 设置显示的宽度

# 读取数据文件
file_path = './PM2.5/BeijingPM20100101_20151231.csv'
df = pd.read_csv(file_path)

# 把分开的时间字符串通过 PeriodIndex 转换成 pandas 时间序列
period = pd.PeriodIndex(year=df['year'], month=df['month'], day=df['day'], hour=df['hour'], freq='H')
df['datetime'] = period

# 把 datetime 列设置为索引
df.set_index('datetime', inplace=True)

# 处理缺失数据,删除缺失数据
# 在 resample 之前，我们可以尝试通过 numeric_only 参数过滤掉非数值类型的列
df = df.resample('7D').mean(numeric_only=True)
data = df['PM_US Post']  # 美国使馆的 PM2.5 数据
data_china = df['PM_Dongsi']  # 中国环境监测网的 PM2.5 数据

# 画图
_x = data.index  # 美国使馆 PM2.5 数据的时间索引
_x = [i.strftime('%Y-%m-%d') for i in _x]  # 格式化时间字符串
_x_china = [i.strftime('%Y-%m-%d') for i in data_china.index]  # 中国环境监测网 PM2.5 数据的时间索引
_y = data.values  # 美国使馆 PM2.5 数据的值
_y_china = data_china.values  # 中国环境监测网 PM2.5 数据的值

# 绘图
plt.figure(figsize=(20, 8), dpi=80)  # 设置画布大小
plt.plot(range(len(_x)), _y, label='US_POST')  # 绘制美国使馆 PM2.5 数据曲线
plt.plot(range(len(_x_china)), _y_china, label='CN_POST')  # 绘制中国环境监测网 PM2.5 数据曲线
plt.xticks(range(0, len(_x), 10), list(_x)[::10], rotation=45)  # 设置 x 轴刻度，每隔 10 天显示一次，并旋转刻度标签
plt.legend(loc='best')  # 添加图例，放在最佳位置
plt.show()  # 显示图形

 效果如下：

数据资源链接如下：

PM2.5.zip文件大小：3.6 M|https://wwt.lanzoum.com/iR3ko1oc0vdc