#可视化库 import matplotlib.pyplot as plt #魔法函数，显示图像 %matplotlib inline # 将日期列拆分成年份和月份两列 data['Year'] = data['日期'].dt.year data['Month'] = data['日期'].dt.month #查询广州和北京7月份平均气温 Guangzhou_data = data.query('省 == "北京市" and 2000 <= Year <= 2019 and Month == 2').groupby(by='Year ').mean() Beijing_data = data.query('省 == "广州省" and 2000 <= Year <= 2019 and Month == 2').groupby(by='Year ').mean() # 设置图形大小 plt.figure(figsize=(10,6)) x = np.array(Guangzhou_data.index) y = np.array(Guangzhou_data['平均气温']) #marker数据点形状 plt.plot(x, y, color="red", label='广州2月份平均气温', marker='o') plt.xlabel('年份') plt.ylabel('月均气温（℃）') #设置x轴刻度线和标签 plt.xticks(x) y2 = np.array(Beijing_data['平均气温']) plt.plot(x, y2, color="blue", label='北京2月份平均气温', marker='D') plt.legend(loc='lower right') plt.title('1995-2019年广州和北京月份的2月均气温变化') plt.show()

这段代码的作用是使用 Matplotlib 库将广州和北京每年 2 月份的平均气温进行可视化比较。代码中的具体步骤如下：

1. 导入 `matplotlib.pyplot` 库，并使用 `%matplotlib inline` 魔法函数指定显示图像。

2. 将原始数据表中的日期列拆分成年份和月份两列，分别存储在 `data['Year']` 和 `data['Month']` 列中。

3. 使用 `query()` 方法按条件筛选出广州和北京 2000 年到 2019 年每年 2 月份的数据行，并使用 `groupby()` 方法按年份进行分组，最后使用 `mean()` 方法计算每年的平均气温，并将结果存储在 `Guangzhou_data` 和 `Beijing_data` 变量中。

4. 使用 `plt.figure()` 函数指定图形大小。

5. 将 `Guangzhou_data` 中的年份和平均气温分别存储在 `x` 和 `y` 变量中，并使用 `plt.plot()` 函数将它们绘制成折线图。此处使用 `color` 参数指定折线颜色、`label` 参数指定图例标签、`marker` 参数指定数据点形状。

6. 使用 `plt.xlabel()` 和 `plt.ylabel()` 函数分别设置 x 轴和 y 轴的标签。

7. 使用 `plt.xticks()` 函数设置 x 轴刻度线和标签。

8. 将 `Beijing_data` 中的平均气温存储在 `y2` 变量中，并使用 `plt.plot()` 函数将其绘制成另一条折线。此处使用不同的颜色和数据点形状，以区分两条折线。

9. 使用 `plt.legend()` 函数添加图例，并使用 `plt.title()` 函数添加图形标题。

10. 最后使用 `plt.show()` 函数显示图形。