如何在Python中用滚动平均法制作时间序列图

要在Python中使用滚动平均法制作时间序列图，需要使用一些Python的包和库，包括pandas、numpy、matplotlib等。大致的步骤如下：

1. 导入必要的包和库。

import pandas as pd
import numpy as np
import matplotlib.pyplot as plt

1. 构造时间序列数据。

date_rng = pd.date_range(start='1/1/2021', end='1/08/2021', freq='H')

其中，pd.date_range会生成一个日期范围，指定开始日期和结束日期，freq参数表示时间间隔的类型。这里以每小时为一个频率。

1. 随机生成数据并以DataFrame的格式储存。

df = pd.DataFrame(date_rng, columns=['date'])
df['data'] = np.random.randint(0,100,size=(len(date_rng)))

这里使用np.random.randint()方法随机生成0到100之间的数据。

1. 使用rolling方法计算滚动平均数。

df['rolling_mean'] = df['data'].rolling(window=2).mean()

rolling函数可以计算移动窗口中的数值统计值，如平均值、中位数、标准差等。这里的window=2表示每次计算前两个数据的平均值，生成第一个滚动平均数时需要保证至少有两个值。

1. 绘制时间序列图。

plt.plot(df['date'],df['data'])
plt.plot(df['date'],df['rolling_mean'])
plt.show()

最后一步则是将时间序列图绘制出来。df['date']作为横轴，df['data']和df['rolling_mean']则分别是纵轴，分别代表原始数据和滚动平均数数据。plt.show() 负责实际地将图形显示出来。

完整代码块如下所示：

import pandas as pd
import numpy as np
import matplotlib.pyplot as plt

date_rng = pd.date_range(start='1/1/2021', end='1/08/2021', freq='H')
df = pd.DataFrame(date_rng, columns=['date'])
df['data'] = np.random.randint(0,100,size=(len(date_rng)))
df['rolling_mean'] = df['data'].rolling(window=2).mean()

plt.plot(df['date'],df['data'])
plt.plot(df['date'],df['rolling_mean'])
plt.show()

以上是如何在Python中使用滚动平均法制作时间序列图的详细步骤。