Мы собираемся проанализировать набор данных Weather. Вы можете найти набор дат по указанной ссылке (https://www.kaggle.com/muthuj7/weather-dataset).
Для этого анализа мы будем использовать следующие библиотеки Python:
1. Pandas
2. Numpy
3. Matplotlib
Нулевая гипотеза анализа: «Указывает ли кажущаяся температура и влажность на ежемесячное сравнение данных за 10 лет увеличение из-за глобального потепления»
Для анализа нам необходимо выполнить следующие шаги:
- Импортировать базовые библиотеки Python:
2. Чтение набора данных с использованием библиотеки pandas:
3. Теперь удалите ненужные данные:
4. Поскольку нам необходимо ежегодно анализировать данные. Нам нужно преобразовать форматированную дату в формат даты и времени. Мы сделаем это с помощью метода pandas "to_datetime()". Кроме того, мы установим «Форматированная дата» в качестве индекса для набора данных.
5. Теперь нам нужно выполнить повторную выборку наших данных:
6. Теперь мы построим линейный график для отображения средней влажности и средней кажущейся температуры за 10 лет (2006–2016 гг.).
График будет примерно таким:
Как мы видим, и пики, и впадины почти одинаковы на протяжении 10-летнего периода.
7. Чтобы провести ежемесячный анализ, мы можем получить линейный график за все 12 месяцев за 10-летний период.
( i ) Январь:
(ii) февраль:
(iii) март:
(iv) апрель:
( v ) Май:
(vi) июнь:
(vii) июль:
( viii ) август:
(ix) Сентябрь:
(x) Октябрь:
(xi) ноябрь:
(xii) Декабрь:
8. Теперь рассмотрим упомянутый сюжет месяца апрель:
Мы можем ясно видеть, что в 2009 году наблюдается резкое повышение температуры, тогда как в 2015 году наблюдается понижение температуры.
Следовательно, мы можем заключить, что глобальное потепление вызвало неуверенность в температуре за последние 10 лет, в то время как средняя влажность оставалась неизменной в течение 10 лет.
Я благодарен наставникам на https://internship.suvenconsultants.com за то, что они предоставили отличные формулировки задач и дали многим из нас опыт стажировки по кодированию. Спасибо www.suvenconsultants.com'