我已经问过同样的问题,而且看起来还不清楚,所以让我以不同的方式提问。我有四个.csv文件,名为I_earthquake2016.csv I_earthquake2017.csv I_earthquake2018.csv I_earthquake2019.csv(地震数据不同的年份) 它们都具有相同的列,只是行数不同。 我编写了一些代码来读取其中一个文件,并制作直方图以查看每月发生多少次地震。
问题:
有人可以教我怎么做吗?谢谢。
import os
import pandas as pd
import numpy as np
import matplotlib.pyplot as plt
import seaborn as sns
%matplotlib inline
data = pd.read_csv('I_earthquake2017.csv')
print(data[:1])
输出第1行:
time latitude longitude depth mag
0 2017-12-30 20:53:24.700000+00:00 29.4481 51.9793 10.0 4.9
data['time']=pd.to_datetime(data['time'])
data['MONTH']=data['time'].dt.month
data['YEAR']=data['time'].dt.year
print(data[:1])
输出线1
time latitude longitude depth mag MONTH YEAR
0 2017-12-30 20:53:24.700000+00:00 29.4481 51.9793 10.0 4.9 12 2017
plt.hist(x=[data.MONTH],bins=12,alpha=0.5)
plt.show()
答案 0 :(得分:1)
编辑:在csv_list的分配中包含了一个排序,以便以正确的顺序重新排列子图。
更改的行-> csv_list = sorted(list(base_dir.glob("*.csv")))
所以我模拟了您的数据(对于那些感兴趣的模拟代码是此答案的最后一部分)
代码的必需导入
#!/usr/bin/env python3
import calendar
from pathlib import Path
import matplotlib.pyplot as plt
import pandas as pd
有一个库glob,但是我更喜欢glob的内置pathlib实现。两者都允许您搜索正则表达式模式(例如* .csv),请参见以下文档引文:
在此表示的目录中遍历给定的相对模式 路径,生成所有匹配的文件(任何形式)
下面的代码为您提供了熊猫DataFrame的列表。参数parse_dates=['time']
自动将列时间转换为日期时间。因此,您不再需要pd.to_datetime()
。您需要调整base_dir
中的基数以匹配您PC上的正确目录。
# Read in mulitple CSV Files
base_dir = Path("C:/Test/Earthquake-Data")
csv_list = sorted(list(base_dir.glob("*.csv")))
df_list = [pd.read_csv(file, index_col=0,parse_dates=['time']) for file in csv_list]
您可以在下面的代码中使用plt.subplots()
创建一个2 x 2子图,然后遍历数据框列表和使用zip(df_list,fig.get_axes())
的轴列表,并将它们解压缩为*(df ,轴)到变量df
和ax
中。在循环中,我在时间列上使用矢量化的.dt.month
来创建直方图并更改某些外观参数,即:
title=str(df['time'].dt.year[0])
年的子图的标题list(calendar.month_abbr[1:])
中)。请确认答案的第一部分(上方)是我import calendar
。代码:
fig, ax = plt.subplots(2,2)
for df, ax in zip(df_list,fig.get_axes()):
df['time'].dt.month.plot(kind="hist",ax=ax,bins=12,title=str(df['time'].dt.year[0]))
ax.set_xticks(range(1,13))
ax.set_xticklabels(list(calendar.month_abbr[1:]))
# Rotate the xticks for increased readability
for tick in ax.get_xticklabels():
tick.set_rotation(45)
fig.tight_layout()
plt.show()
#!/usr/bin/env python3
import numpy as np
import pandas as pd
from my_utils.advDateTime import random_datetimes
from pathlib import Path
year_range = range(2016,2020)
time = [random_datetimes(pd.to_datetime(f"1/1/{year}"), pd.to_datetime(f"1/1/{year + 1}"), n=100) \
for year in year_range]
lattitude = [np.random.randint(0,100,100) for i in range(4)]
data = {'Lattitude': lattitude[0],'time':time[0]}
list_dfs = [pd.DataFrame({'Lattitude': data,'time':y}).sort_values("time").reset_index(drop=True) for data,y in zip(lattitude,time)]
# # Export to CSV
base_dir = Path("C:/Test/Earthquake-Data")
[df.to_csv(base_dir/f"I_earthquake{year}.csv") for df,year in zip(list_dfs,year_range)]