这篇文章主要讲解了Python根据时间序列数据作图的方法，内容清晰明了，对此有兴趣的小伙伴可以学习一下，相信大家阅读完之后会有帮助。

目前成都创新互联公司已为成百上千的企业提供了网站建设、域名、网页空间、网站托管维护、企业网站设计、横山网站维护等服务，公司将坚持客户导向、应用为本的策略，正道将秉承"和谐、参与、激情"的文化，与客户和合作伙伴齐心协力一起成长，共同发展。

本例子程序展示了长白山火山气体地球化学2002年观测数据中CO2和He两种气体元素深度的时间序列。程序中用到了常用的时间序列python数据处理方法，箭头标识方法，适合学习基本python作图学习使用。程序中所用到的no09.csv数据样式如下：

代码如下

import pandas as pd
import matplotlib.pyplot as plt
import datetime
 
df = pd.read_csv('no09.csv')
t = df.iloc[0:200, 0]
t = [datetime.datetime.strptime(i, '%Y/%m/%d') for i in t]
co2 = [float(i) for i in df.iloc[0:200,1]]
he = [float(i) for i in df.iloc[0:200,2]]
plt.subplot(211)
plt.plot(t, co2, 'o-')
plt.xlabel('Date [Year/Month')
plt.ylabel('CO2 / %')
plt.grid(ls = '--')
plt.subplot(212)
plt.plot(t, he, 'o-')
plt.xlabel('Date [Year/Month]')
plt.ylabel('He /ppm')
plt.annotate('2002/07/07 165ppm', xy = (datetime.datetime.strptime(('2002/07/07'), '%Y/%m/%d'), 165),
       xytext = (datetime.datetime.strptime(('2002/08/01'), '%Y/%m/%d'), 123),
       arrowprops = dict(facecolor = 'black', shrink = 0.05, width = 2, headwidth = 6,
                headlength = 6))
plt.grid(ls = '--')
plt.show()

另外有需要云服务器可以了解下创新互联scvps.cn，海内外云服务器15元起步，三天无理由+7*72小时售后在线，公司持有idc许可证，提供“云服务器、裸金属服务器、高防服务器、香港服务器、美国服务器、虚拟主机、免备案服务器”等云主机租用服务以及企业上云的综合解决方案，具有“安全稳定、简单易用、服务可用性高、性价比高”等特点与优势，专为企业上云打造定制，能够满足用户丰富、多元化的应用场景需求。

文章名称：Python根据时间序列数据作图的方法-创新互联
分享链接：http://cdweb.net/article/ddopjs.html