Coursera 课程 Applied Plotting, Charting & Data Representation in Python
Plotting Weather Patterns
数据来源： 本次使用的是密歇根安娜堡附近地区从2005年到2015年的天气数据，来源于The National Centers for Environmental Information (NCEI) [Daily Global Historical Climatology Network]。其中每一行为一个观测值。
数据变量：
id : station identification code
date : date in YYYY-MM-DD format (e.g. 2012-01-24 = January 24, 2012)
element : indicator of element type
TMAX : Maximum temperature (tenths of degrees C)
TMIN : Minimum temperature (tenths of degrees C)
value : data value for element (tenths of degrees C)
导出数据后可以看到是类似如下的表格：
可视化目标：我们旨在运用Matplotlib制作关于温度的折线图，在图中表示出一年中每一天的从2005年到2014年中的历史最高和最低温度（C）。此外我们还要对比2015年的数据，以观察2015年超出历史温度的天数。
数据处理：
在此数据集中，共有4017个观测值，其中包括'2012-02-29','2008-02-29' 这两个闰年的独有日期。考虑到我们的分析目的，可以去掉这两个观测值，因此仅有4015个观测值。
df_2015=df[df['Date']>='2015-01-01']
df_2005=df[df['Date']<'2015-01-01'] #分割数据
df_2015['Month-Date']=df_2015.apply(lambda row: "-".join(row["Date"].split("-")[1:]), axis=1)
df_2005['Month-Date']=df_2005.apply(lambda row: '-'.join(row["Date"].split("-")[1:]), axis=1) #修改日期格式
dfmax=df_2005[df_2005['Element']=='TMAX'].groupby('Month-Date').max()
dfmin=df_2005[df_2005['Element']=='TMIN'].groupby('Month-Date').min()
dfmax_2015=df_2015[df_2015['Element']=='TMAX'].groupby('Month-Date').max()
dfmin_2015=df_2015[df_2015['Element']=='TMIN'].groupby('Month-Date').min() #找到日期对应的历年最低和最高气温
new_df_min['Data_Value'],new_df_min['Data_Value1']=new_df_min['Data_Value']/10,new_df_min['Data_Value1']/10
new_df_max['Data_Value'],new_df_max['Data_Value1']=new_df_max['Data_Value']/10,new_df_max['Data_Value1']/10
dfmax_2015.columns=['ID1','Date1','Element1','Data_Value1']
new_df_max=dfmax.join(dfmax_2015)
dfmin_2015.columns=['ID1','Date1','Element1','Data_Value1']
new_df_min=dfmin.join(dfmin_2015)
new_df_max.head()
处理后的数据如下：
最高温度数据：
最低温度数据：
new_df_min["Data_Value1"] = new_df_min.apply(lambda row: row["Data_Value1"] if (row["Data_Value1"] < row["Data_Value"]) else np.NaN , axis=1)
new_df_max["Data_Value1"] = new_df_max.apply(lambda row: row["Data_Value1"] if (row["Data_Value1"] > row["Data_Value"]) else np.NaN , axis=1) #找出2015年中破纪录的数值与日期，其余的作为nan值处理
Matplotlib使用：
fig, ax = plt.subplots();
fmt = mdates.DateFormatter('%m-%d');
ax.xaxis.set_major_formatter(fmt);
ax.plot(new_df_max['Month-Date'],new_df_max["Data_Value"],label="High",alpha=0.25);
ax.plot(new_df_min['Month-Date'],new_df_min["Data_Value"], label="Low",alpha=0.25); #生成折线图
ax.fill_between(new_df_min['Month-Date'].values, new_df_min["Data_Value"].values,new_df_max["Data_Value"].values, facecolor='grey',alpha=0.25); #进行填充
ax.scatter(new_df_max['Month-Date'].values, new_df_max["Data_Value1"].values, s=10, c="blue", alpha=0.8, label="High (2015)");
ax.scatter(new_df_min['Month-Date'].values, new_df_min["Data_Value1"].values, s=10, c="red", alpha=0.8, label="Low (2015)"); #生成散点图
plt.xlabel('Date');
plt.ylabel('Temperature,Degrees');
plt.title('Daliy Maximum and Minimum Temperature, Ann Arbor, Michigan, United States');
ax.tick_params(top='off', bottom='on', left='off', right='off', labelleft='on', labelbottom='on'); #设置坐标格式
ax.spines['top'].set_visible(False);
ax.spines['right'].set_visible(False);
plt.legend();
plt.legend(loc=4, frameon=False)；
