如何基于行年份列月份格式的MEI数据绘制时间序列图

1. 先把宽格式数据转成长格式 #

你的df3是行存年份、列存月份组合的宽格式，这种格式不适合时间序列绘图，直接用pd.melt()转成长格式：

import pandas as pd
import io
import requests
import csv
import matplotlib.pyplot as plt

# 你的原始数据处理代码
url = r"https://psl.noaa.gov/enso/mei/data/meiv2.data"
r = requests.post(url)
s = r.text
df = pd.read_csv(io.StringIO(s), sep=',', header=None, quoting=csv.QUOTE_ALL)
df2 = df.drop(index=[0, 46, 47, 48, 49])
df3 = df2[0].str.split('\s+', expand=True)
df3.columns = ['Year', 'DJ', 'JF', 'FM', 'MA', 'AM', 'MJ', 'JJ', 'JA', 'AS', 'SO', 'ON', 'ND']

# 转数值类型：年份转整数，MEI值转浮点数
df3['Year'] = df3['Year'].astype(int)
for col in df3.columns[1:]:
    df3[col] = pd.to_numeric(df3[col], errors='coerce')

# 宽转长，生成每行对应一个月份组合的MEI数据
df_long = df3.melt(id_vars='Year', var_name='Month_Pair', value_name='MEI')

2. 生成匹配的时间戳 #

MEI的每个月份组合对应跨月区间，我们给每个组合绑定一个明确的时间点（这里取区间的结束月份，比如DJ对应1月、JF对应2月…ND对应12月）：

# 定义月份组合对应的结束月份编号
month_map = {
    'DJ': 1,
    'JF': 2,
    'FM': 3,
    'MA': 4,
    'AM': 5,
    'MJ': 6,
    'JJ': 7,
    'JA': 8,
    'AS': 9,
    'SO': 10,
    'ON': 11,
    'ND': 12
}

# 生成时间列
def get_date(row):
    # 以每个月份组合的结束月份作为时间标记
    return pd.Timestamp(year=row['Year'], month=month_map[row['Month_Pair']], day=1)

df_long['Date'] = df_long.apply(get_date, axis=1)

# 筛选1979-2023年的目标数据
mask = (df_long['Date'] >= '1979-01-01') & (df_long['Date'] <= '2023-12-01')
df_plot = df_long[mask].sort_values('Date')

3. 绘制时间序列图 #

现在df_plot已经是标准的时间序列格式，直接绘图即可：

plt.figure(figsize=(12, 6))
plt.plot(df_plot['Date'], df_plot['MEI'], marker='o', linestyle='-', linewidth=0.8, markersize=3)
plt.title('MEI Time Series (1979 DJ - 2023 ND)')
plt.xlabel('Date')
plt.ylabel('MEI Value')
plt.grid(True, alpha=0.3)
plt.xticks(rotation=45)
plt.tight_layout()
plt.show()

关键提示 #

• 宽转长用pd.melt()比转置更高效，不用额外处理索引混乱的问题
• 时间戳的标记方式可以按需调整（比如取区间中间日期），只要保持时间顺序一致就行
• 筛选数据时通过Date列精准控制范围，确保覆盖你需要的1979年DJ到2023年ND区间

内容的提问来源于stack exchange，提问作者Zan