Python数据可视化

通常，具有时间属性且随时间变化的数据称之为时序数据，也就是时间序列数据，它是一种较常见的数据类型。注意在时序数据中，同一数据列中各数据是同口径的，要求具有可比性。

时序数据可以是时点数，也可以是时期数，例如，图3-1是通过Excel绘制的2010年至2019年我国高校数量的条形图，该时序数据是由10个时期数组成的数列。

时列数据分析的目的是通过样本数据，构建时间序列模型，从而进行未来数据的预测。例如，可以根据我国2010年至2019年共计10年的年末总人口历史数据，使用Excel为折线图添加趋势线，建立人口预测模型，从而对我国未来的人口数进行预测，通过模型的比较分析，发现多项式模型比较合适，R平方达到了0.9981，如图3-2所示。

图3-2  年末总人口数的预测

总之，时序数据在日常生活以及社会各个领域都有广泛的应用，从商品物价指数的预测到企业经营业绩的分析，再到企业税收的预测等，我们都能感受到它的身影。

通常情况下，时序数据可以分成两类：时间序列数据和固有序列数据。

 ......

2.固有序列数据

固有序列数据是不宜时间为变量，但数据存在固有的测序序列，例如生物DNA测序数据，它是指分析特定DNA片段的碱基序列，也就是腺嘌呤（A）、胸腺嘧啶（T）、胞嘧啶（C）与鸟嘌呤（G）的排列方式，如图3-4所示，快速DNA测序方法的出现极大地推动了生物学和医学的研究和发展。

图3-4  生物DNA序列