Использование pandas dataframe и matplotlib для обработки данных из файла csv в графике

Вот что я пытаюсь сделать: построить фрейм данных с индексом даты и времени, созданным из столбца 0. Используйте функцию повторной выборки за квартальный период, создайте график, показывающий общее количество ежеквартальных осадков за 14-летний период.

второй участок сделайте график среднего месячного осадка и месячного стандартного отклонения. Постройте оба значения на тех же осях.

Вот мой код:

    %matplotlib inline
    import pandas as pd
    import numpy as np
    import matplotlib
    import matplotlib.pyplot as plt
    plt.style.use('seaborn-whitegrid')
    matplotlib.rcParams['figure.figsize'] = (10.0, 4.0)

    df = pd.read_csv("ColumbusPrecipData.csv")
    df.set_index("date", inplace = True)
    #df['date'] = pd.to_datetime(df[['']])

    print(df)
    #build plots
    #axes = plt.subplot()

    #start = pd.to_datetime
    #end = pd.to_datetime
    #axes.set_xlim(start, end)
    #axes.set_title("")
    #axes.set_ylabel("")
    #axes.tick_params(axis='x', rotation=45)
    #axes.legend(loc='best')

Вот как выглядит датафрейм:

                        Unnamed: 0  Precip
       0       2000-01-01 01:00:00     0.0
       1       2000-01-01 02:00:00     0.0
       2       2000-01-01 03:00:00     0.0
       3       2000-01-01 04:00:00     0.0
       4       2000-01-01 05:00:00     0.0
       5       2000-01-01 06:00:00     0.0
       6       2000-01-01 07:00:00     0.0
       7       2000-01-01 08:00:00     0.0
       8       2000-01-01 09:00:00     0.0
       9       2000-01-01 10:00:00     0.0
       10      2000-01-01 11:00:00     0.0
       11      2000-01-01 12:00:00     0.0
       12      2000-01-01 13:00:00     0.0
       13      2000-01-01 14:00:00     0.0
       14      2000-01-01 15:00:00     0.0
       15      2000-01-01 16:00:00     0.0
       16      2000-01-01 17:00:00     0.0
       17      2000-01-01 18:00:00     0.0
       18      2000-01-01 19:00:00     0.0
       19      2000-01-01 20:00:00     0.0
       20      2000-01-01 21:00:00     0.0
       21      2000-01-01 22:00:00     0.0
       22      2000-01-01 23:00:00     0.0
       23      2000-01-02 00:00:00     0.0
       24      2000-01-02 01:00:00     0.0
       25      2000-01-02 02:00:00     0.0
       26      2000-01-02 03:00:00     0.0
       27      2000-01-02 04:00:00     0.0
       28      2000-01-02 05:00:00     0.0
       29      2000-01-02 06:00:00     0.0
       ...                     ...     ...
       122696  2013-12-30 09:00:00     0.0
       122697  2013-12-30 10:00:00     0.0
       122698  2013-12-30 11:00:00     0.0
       122699  2013-12-30 12:00:00     0.0
       122700  2013-12-30 13:00:00     0.0
       122701  2013-12-30 14:00:00     0.0
       122702  2013-12-30 15:00:00     0.0
       122703  2013-12-30 16:00:00     0.0
       122704  2013-12-30 17:00:00     0.0
       122705  2013-12-30 18:00:00     0.0
       122706  2013-12-30 19:00:00     0.0
       122707  2013-12-30 20:00:00     0.0
       122708  2013-12-30 21:00:00     0.0
       122709  2013-12-30 22:00:00     0.0
       122710  2013-12-30 23:00:00     0.0
       122711  2013-12-31 00:00:00     0.0
       122712  2013-12-31 01:00:00     0.0
       122713  2013-12-31 02:00:00     0.0
       122714  2013-12-31 03:00:00     0.0
       122715  2013-12-31 04:00:00     0.0
       122716  2013-12-31 05:00:00     0.0
       122717  2013-12-31 06:00:00     0.0
       122718  2013-12-31 07:00:00     0.0
       122719  2013-12-31 08:00:00     0.0
       122720  2013-12-31 09:00:00     0.0
       122721  2013-12-31 10:00:00     0.0
       122722  2013-12-31 11:00:00     0.0
       122723  2013-12-31 12:00:00     0.0
       122724  2013-12-31 13:00:00     0.0
       122725  2013-12-31 14:00:00     0.0

       [122726 rows x 2 columns]

python pandas matplotlib

29.04.2019 14:34

Почему в Python есть оператор "pass"?

Оператор pass в Python - это простая концепция, которую могут быстро освоить даже новички без опыта программирования.

Некоторые методы, о которых вы не знали, что они существуют в Python

Python - самый известный и самый простой в изучении язык в наши дни. Имея широкий спектр применения в области машинного обучения, Data Science,...

Основы Python Часть I

Вы когда-нибудь задумывались, почему в программах на Python вы видите приведенный ниже код?

LeetCode - 1579. Удаление максимального числа ребер для сохранения полной проходимости графа

Алиса и Боб имеют неориентированный граф из n узлов и трех типов ребер:

Оптимизация кода с помощью тернарного оператора Python

И последнее, что мы хотели бы показать вам, прежде чем двигаться дальше, это

Советы по эффективной веб-разработке с помощью Python

Как веб-разработчик, Python может стать мощным инструментом для создания эффективных и масштабируемых веб-приложений.

Перейти к ответу Данный вопрос помечен как решенный

Ответы 1

Ответ принят как подходящий

df = df.rename( columns = {"Unnamed: 0": "date"})
df = df.set_index(pd.DatetimeIndex(df['date']))

потом

df1 = df.groupby(pd.Grouper(freq='M')).mean()


plt.plot(df1)

как насчет индекса даты и времени... "Создайте фрейм данных таким образом, чтобы он имел индекс даты и времени, созданный из столбца 0." @dexter

— 29.04.2019 15:55

о, извините, это был всего лишь вопрос :/ @dexter

— 29.04.2019 15:58

Я думаю, что сюжета по коду, который я предоставил, должно быть достаточно, чтобы указать вам правильное направление.

— 29.04.2019 15:59

это ошибка, которую я получаю с вашим ответом: «Ошибка типа: допустимо только с DatetimeIndex, TimedeltaIndex или PeriodIndex, но есть экземпляр RangeIndex» @dexter

— 29.04.2019 16:01

попробуйте прокомментировать df.set_index("date", inplace = True)

— 29.04.2019 16:02

Давайте продолжить обсуждение в чате.

— 29.04.2019 16:03

29.04.2019 15:28