載入多個時間序列

無論是在個人專案，或是你身為資料科學家的日常工作中，你很可能會遇到需要同時分析與視覺化多個時間序列的情況。

只要每個時間序列的資料分別儲存在檔案中的不同欄位，pandas 函式庫就能讓你輕鬆處理多個時間序列。在接下來的練習中，你會使用一個新的時間序列資料集，內容是美國在 1944 年到 2012 年期間，各類肉品的生產量。

本練習屬於課程

使用 Python 視覺化時間序列資料

檢視課程

練習說明

我們已經以別名 pd 匯入了 pandas。

讀取位於 url_meat 的 CSV 檔，存成名為 meat 的 DataFrame。
將 meat 中的 date 欄位轉為 datetime 型別。
將 date 欄位設為 meat 的索引。
列印 meat 中所有數值欄位的摘要統計。

動手互動練習

試著完成這個範例程式碼，體驗一下這個練習。

# Read in meat DataFrame
meat = ____.____(____)

# Review the first five lines of the meat DataFrame
print(meat.head(5))

# Convert the date column to a datestamp type
meat['date'] = ____(____)

# Set the date column as the index of your DataFrame meat
meat = ____.____(____)

# Print the summary statistics of the DataFrame
print(meat.____)

編輯並執行程式碼