type
status
date
slug
summary
tags
category
icon
password
Property
时间序列（time series）数据是一种重要的结构化数据形式，在多个时间点观察或测量到的任何时间都可以形成一段时间序列。很多时间， 时间序列是固定频率的， 也就是说， 数据点是根据某种规律定期出现的（比如每15秒）；时间序列也可以是不定期的。
时间序列数据的意义取决于具体的应用场景，主要由以下几种：
- 时间戳（timestamp），特定的时刻
- 固定时期（period），如2007年1月或2010年全年
- 时间间隔（interval），由起始和结束时间戳表示，时期（period）可以被看做间隔（interval）的特例
时间和日期数据类型及其工具
type
status
date
slug
summary
tags
category
icon
password
Property
Matplotlib 是 Python 的绘图库，能轻松地将数据图形化，提供多样化的输出格式，可以用来绘制各种静态，动态，交互式的图表。
可以绘制线图、散点图、等高线图、条形图、柱状图、3D 图形、甚至是图形动画等等
源代码：
matplotlib
matplotlib • Updated Apr 5, 2024
type
status
date
slug
summary
tags
category
icon
password
Property
plot() 用于画图它可以绘制点和线，语法格式如下：参数说明：
- x, y：点或线的节点，x 为 x 轴数据，y 为 y 轴数据，数据可以列表或数组
- fmt：可选，定义基本格式（如颜色、标记和线条样式）
- *kwargs：可选，用在二维平面图上，设置指定属性，如标签，线的宽度等
plt.plot的x和y参数不能够作为关键字参数来传递，只能作为位置参数来传plt.plot函数官方文档：https://matplotlib.org/api/_as_gen/matplotlib.pyplot.plot.html#matplotlib.pyplot.plot
type
status
date
slug
summary
tags
category
icon
password
Property
目录
直方图
直方图(Histogram)，又称质量分布图，是一种统计报告图，由一系列高度不等的条纹表示数据分布的情况。一般用横轴表示数据类型，纵轴表示分布情况。
直方图是数值数据分布的精确图形表示。为了构建直方图，第一步是将值的范围分段，即将整个值的范围分成一系列间隔，然后计算每个间隔中有多少值。这些值通常被指定为连续的，不重叠的变量间隔。间隔必须相邻，并且通常是（但不是必须的）相等的大小。
直方图的绘制方法，使用的是
plt.hist方法来实现，这个方法的参数以及返回值如下：参数：
x：数组或者可以循环的序列。直方图将会从这组数据中进行分组
bins：数字或者序列（数组/列表等）。如果是数字，代表的是要分成多少组。如果是序列，那么就会按照序列中指定的值进行分组。比如[1,2,3,4]，那么分组的时候会按照三个区间分成3组，分别是[1,2)/[2,3)/[3,4]
type
status
date
slug
summary
tags
category
icon
password
Property
目录
散点图也叫 X-Y 图，它将所有的数据以点的形式展现在直角坐标系上，以显示变量之间的相互影响程度，点的位置由变量的数值决定。
通过观察散点图上数据点的分布情况，可以推断出变量间的相关性。如果变量之间不存在相互关系，那么在散点图上就会表现为随机分布的离散的点，如果存在某种相关性，那么大部分的数据点就会相对密集并以某种趋势呈现。数据的相关关系主要分为：正相关（两个变量值同时增长）、负相关（一个变量值增加另一个变量值下降）、不相关、线性相关、指数相关等，表现在散点图上的大致分布如下图所示。那些离点集群较远的点我们称为离群点或者异常点。
示例图如下：
