python从数据集中读取日期并对两条折线中间填色

2023-11-07 17:10

本文主要是介绍python从数据集中读取日期并对两条折线中间填色,希望对大家解决编程问题提供一定的参考价值,需要的开发者们随着小编来一起学习吧!

 

目录

datetime模块读取时间

折线图填色


在图表中添加日期可以使得图标更加有用。在天气数据文件中,第一个日期在第二行:

“USW00025333”,“SKIKA AIRPORT”,AK US“,”2018-07-01“,”0.25“,,”62“,”50“

读取该数据时,获得的是字符串,因此需要想办法将字符串
”2018-7-1“转化为一个表示相应日期的对象。为创建一个表示2018年七月1日的对象,可使用模块datetime中的方法stptime()

from datetime import datetime
import csv
import matplotlib.pyplot as pltfilename ='data/sitka_weather_2018_simple.csv'#将要使用的文件名赋给filename
with open(filename) as f:#打开这个文件并且把返回的文件对象赋给freader = csv.reader(f) #调用csv.reader()并将前面储存的文件对象作为实参传递给它,从而创建一个与该文件相关联的阅读器对象,这个阅读器的对象被赋给了reader#模块csv中包含函数next(),调用它并传入阅读器对象时,它将返回文件中的下一行。header_row = next(reader)    #文件的第一行中一系列的文件头指出了后续各行包含的是什么样的信息#reader处理文件中以逗号分隔的第一行数据,并将每项数据都作为一个元素储存在列表中#print(header_row)#for index, column_header in enumerate(header_row): 更详细的显示数据#   print(index , column_header)#在知道需要哪些列中的数据后,我们来读取一些数据,从文件中获取最高温度,最低温度和日期:highs,dates,lows= [],[],[]for row in reader:current_date = datetime.strptime(row[2],'%Y-%m-%d')high = int (row[5]) #数据是用字符串存储的,因此转化类型low=int(row[6])dates.append(current_date)highs.append(high)lows.append(row[6])#print(highs)
plt.style.use('seaborn')
plt.rcParams['font.sans-serif'] = ['Arial Unicode MS']
fig,ax =plt.subplots()
ax.plot(dates,highs , c='red',alpha=0.5)#alpha为透明度
ax.plot(dates,lows,c='blue',alpha=0.5)
ax.fill_between(dates,highs,lows,facecolor='blue',alpha=0.1)
#设置图形格式
ax.set_title("2018年7月每日最高温度",fontsize=24)
ax.set_xlabel('',fontsize=16)
fig.autofmt_xdate()#绘制倾斜的日期标签以免重叠
ax.set_ylabel("温度(F)",fontsize=16)
ax.tick_params(axis='both',which ='major',labelsize=16)
plt.show()

datetime模块读取时间

对于datetime模块有很多设置日期和时间的实参

%A 星期几Monday

%B 月份名January

%m 用数字表示的月份

%d 用数字表示的月份中的一天

%Y 四位的年份

%y 两位的年份

%H 24小时的小时数

%I 12小时的小时数

%p am或者pm

%M 分钟数 00—59

%S 秒数 00—61

可以根据我们的需要来进行使用

折线图填色

这边可以使用fill_between的函数来对于两个折线图之间进行颜色的填充,同时可以通过alpha来改变透明度来使得你的图看上去更美观。结果如下显示:

 

 

这篇关于python从数据集中读取日期并对两条折线中间填色的文章就介绍到这儿,希望我们推荐的文章对编程师们有所帮助!



http://www.chinasem.cn/article/365071

相关文章

大模型研发全揭秘:客服工单数据标注的完整攻略

在人工智能(AI)领域,数据标注是模型训练过程中至关重要的一步。无论你是新手还是有经验的从业者,掌握数据标注的技术细节和常见问题的解决方案都能为你的AI项目增添不少价值。在电信运营商的客服系统中,工单数据是客户问题和解决方案的重要记录。通过对这些工单数据进行有效标注,不仅能够帮助提升客服自动化系统的智能化水平,还能优化客户服务流程,提高客户满意度。本文将详细介绍如何在电信运营商客服工单的背景下进行

基于MySQL Binlog的Elasticsearch数据同步实践

一、为什么要做 随着马蜂窝的逐渐发展,我们的业务数据越来越多,单纯使用 MySQL 已经不能满足我们的数据查询需求,例如对于商品、订单等数据的多维度检索。 使用 Elasticsearch 存储业务数据可以很好的解决我们业务中的搜索需求。而数据进行异构存储后,随之而来的就是数据同步的问题。 二、现有方法及问题 对于数据同步,我们目前的解决方案是建立数据中间表。把需要检索的业务数据,统一放到一张M

关于数据埋点,你需要了解这些基本知识

产品汪每天都在和数据打交道,你知道数据来自哪里吗? 移动app端内的用户行为数据大多来自埋点,了解一些埋点知识,能和数据分析师、技术侃大山,参与到前期的数据采集,更重要是让最终的埋点数据能为我所用,否则可怜巴巴等上几个月是常有的事。   埋点类型 根据埋点方式,可以区分为: 手动埋点半自动埋点全自动埋点 秉承“任何事物都有两面性”的道理:自动程度高的,能解决通用统计,便于统一化管理,但个性化定

python: 多模块(.py)中全局变量的导入

文章目录 global关键字可变类型和不可变类型数据的内存地址单模块(单个py文件)的全局变量示例总结 多模块(多个py文件)的全局变量from x import x导入全局变量示例 import x导入全局变量示例 总结 global关键字 global 的作用范围是模块(.py)级别: 当你在一个模块(文件)中使用 global 声明变量时,这个变量只在该模块的全局命名空

使用SecondaryNameNode恢复NameNode的数据

1)需求: NameNode进程挂了并且存储的数据也丢失了,如何恢复NameNode 此种方式恢复的数据可能存在小部分数据的丢失。 2)故障模拟 (1)kill -9 NameNode进程 [lytfly@hadoop102 current]$ kill -9 19886 (2)删除NameNode存储的数据(/opt/module/hadoop-3.1.4/data/tmp/dfs/na

异构存储(冷热数据分离)

异构存储主要解决不同的数据,存储在不同类型的硬盘中,达到最佳性能的问题。 异构存储Shell操作 (1)查看当前有哪些存储策略可以用 [lytfly@hadoop102 hadoop-3.1.4]$ hdfs storagepolicies -listPolicies (2)为指定路径(数据存储目录)设置指定的存储策略 hdfs storagepolicies -setStoragePo

Hadoop集群数据均衡之磁盘间数据均衡

生产环境,由于硬盘空间不足,往往需要增加一块硬盘。刚加载的硬盘没有数据时,可以执行磁盘数据均衡命令。(Hadoop3.x新特性) plan后面带的节点的名字必须是已经存在的,并且是需要均衡的节点。 如果节点不存在,会报如下错误: 如果节点只有一个硬盘的话,不会创建均衡计划: (1)生成均衡计划 hdfs diskbalancer -plan hadoop102 (2)执行均衡计划 hd

【Prometheus】PromQL向量匹配实现不同标签的向量数据进行运算

✨✨ 欢迎大家来到景天科技苑✨✨ 🎈🎈 养成好习惯,先赞后看哦~🎈🎈 🏆 作者简介:景天科技苑 🏆《头衔》:大厂架构师,华为云开发者社区专家博主,阿里云开发者社区专家博主,CSDN全栈领域优质创作者,掘金优秀博主,51CTO博客专家等。 🏆《博客》:Python全栈,前后端开发,小程序开发,人工智能,js逆向,App逆向,网络系统安全,数据分析,Django,fastapi

【Python编程】Linux创建虚拟环境并配置与notebook相连接

1.创建 使用 venv 创建虚拟环境。例如,在当前目录下创建一个名为 myenv 的虚拟环境: python3 -m venv myenv 2.激活 激活虚拟环境使其成为当前终端会话的活动环境。运行: source myenv/bin/activate 3.与notebook连接 在虚拟环境中,使用 pip 安装 Jupyter 和 ipykernel: pip instal

【机器学习】高斯过程的基本概念和应用领域以及在python中的实例

引言 高斯过程(Gaussian Process,简称GP)是一种概率模型,用于描述一组随机变量的联合概率分布,其中任何一个有限维度的子集都具有高斯分布 文章目录 引言一、高斯过程1.1 基本定义1.1.1 随机过程1.1.2 高斯分布 1.2 高斯过程的特性1.2.1 联合高斯性1.2.2 均值函数1.2.3 协方差函数(或核函数) 1.3 核函数1.4 高斯过程回归(Gauss