type
status
date
slug
summary
tags
category
icon
password
Property
目录
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
Python标准库包含用于日期（date）和时间（time）数据的数据类型，而且还有日历方面的功能。主要会用到
datetime、time以及calendar模块。datetime.datetime（也可以简写为datetime）是用得最多的数据类型： 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 Jun 19, 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
条形图的绘制方式跟折线图非常的类似，只不过是换成了
plt.bar方法，plt.bar方法有以下常用参数：x：一个数组或者列表，代表需要绘制的条形图的x轴的坐标点
height：一个数组或者列表，代表需要绘制的条形图y轴的坐标点
width：每一个条形图的宽度，默认是0.8的宽度
bottom：y轴的基线，默认是0，也就是距离底部为0
align：对齐方式，默认是center，也就是跟指定的x坐标居中对齐，还有为edge，靠边对齐，具体靠右边还是靠左边，看width的正负
color：条形图的颜色
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]
range：元组或者None，如果为元组，那么指定x划分区间的最大值和最小值。如果bins是一个序列，那么range没有有没有设置没有任何影响
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：
绘制散点图
type
status
date
slug
summary
tags
category
icon
password
Property
目录
箱线图
箱线图（Box-plot）又称为盒须图、盒式图或箱型图，是一种用作显示一组数据分散情况资料的统计图。因形状如箱子而得名。在各种领域也经常被使用，它主要用于反映原始数据分布的特征，还可以进行多组数据分布特征的比较。箱线图的绘制方法是：先找出一组数据的上限值、下限值、中位数（Q2）和下四分位数（Q1）以及上四分位数（Q3）；然后，连接两个四分位数画出箱子；再将最大值和最小值与箱子相连接，中位数在箱子中间。
在
matplotlib中有plt.boxplot来绘制箱线图，这个方法的相关参数如下：x：需要绘制的箱线图的数据
notch：是否展示置信区间，默认是False。如果设置为True，那么就会在盒子上展示一个缺口
sym：代表异常点的符号表示，默认是小圆点
