加载多条时间序列

无论是在个人项目中，还是在作为数据科学家进行日常工作时，您很可能会遇到需要同时分析和可视化多条时间序列的情况。

如果每条时间序列的数据分别存放在文件的不同列中，那么使用 pandas 库就可以轻松处理多条时间序列。在接下来的练习中，您将使用一个新的时间序列数据集，其中包含 1944 年至 2012 年美国生产的不同类型肉类的产量。

本练习是课程的一部分

用 Python 可视化时间序列数据

查看课程

练习说明

我们已使用别名 pd 导入了 pandas。

读取位于 url_meat 的 CSV 文件，并将其保存为名为 meat 的 DataFrame。
将 meat 中的 date 列转换为 datetime 类型。
将 date 列设为 meat 的索引。
打印 meat 中所有数值列的汇总统计信息。

交互式实操练习

通过完成这段示例代码来试试这个练习。

# 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.____)

编辑并运行代码