处理时间序列数据

time series

时间序列数据就是随着时间发展变化（不变化）的数据

时间序列图

可以画共轴的子图，查看多个属性随时间变化的趋势

# Plot the time series in each dataset
fig, axs = plt.subplots(2, 1, figsize=(5, 10))
data.iloc[:1000].plot(y='data_values', ax=axs[0])
data2.iloc[:1000].plot(y='data_values', ax=axs[1])
plt.show()

我再一次复习pd[[]]可以同时提取数据框的子集

*双中括号提取子列**

from sklearn.svm import LinearSVC

# Construct data for the model
X = data[["petal length (cm)" , "petal width (cm)"]]
y = data[['target']]

# Fit the model
model = LinearSVC()
model.fit(X, y)

还有就是想画在一个图的，公用y轴，如上述

reshape
给定数组或者数据框一个新的形状而不改变数据

predict

一般拟合完模型，进行预测，可直接使用predict