Python绘制历史温度数据求助：1816年‘无夏之年’温度可视化

嘿，刚接触Python就研究坦博拉火山的“无夏之年”数据，这选题太有意思了！针对你遇到的每行是日期、后续列对应1-12月的特殊数据格式问题，我给你一步步拆解处理流程，代码都是新手友好型的，放心跟着做就行～

第一步：读取原始温度数据 #

首先我们用pandas来读取文本文件，它能轻松处理这种结构化的表格数据。假设你的数据文件是空格或制表符分隔的（如果是逗号分隔就把sep改成,）：

import pandas as pd

# 读取文本文件：header=None表示无表头，names手动给列命名
# 第一列是日期（日），后面12列对应1-12月的温度
df = pd.read_csv(
    '你的温度数据文件名.txt',
    sep='\s+',  # 匹配任意数量的空格/制表符作为分隔符
    header=None,
    names=['day'] + [f'month_{m}' for m in range(1, 13)]
)

运行完这段代码，你可以用print(df.head())看看前几行数据，确认读取是否正确。

第二步：把“宽格式”转成“长格式” #

你现在的数据是宽格式：一行对应一个日期的12个月温度，而绘图需要的是长格式：每行对应一个具体日期的温度。用pandas.melt()就能快速转换：

# 转换为长格式：保留day列，把所有month_*列拆成month和temperature两列
df_long = df.melt(
    id_vars='day',  # 保留作为标识的列
    var_name='month',  # 原月份列的列名会存到这个新列里
    value_name='temperature'  # 原温度值会存到这个新列里
)

# 从month列里提取数字（比如把"month_1"变成1）
df_long['month'] = df_long['month'].str.extract('(\d+)').astype(int)

现在df_long的结构就是：day（日）、month（月）、temperature（温度），每一行是一个“日-月”对应的温度值。

第三步：生成完整的日期对象 #

我们需要把年（1816）、月、日组合成Python能识别的日期格式，这样绘图时x轴才能正确按时间顺序排列：

# 添加年份列（固定是1816年）
df_long['year'] = 1816

# 组合年、月、日为datetime格式，errors='coerce'会把无效日期（比如2月30日）转成空值
df_long['date'] = pd.to_datetime(df_long[['year', 'month', 'day']], errors='coerce')

# 去掉无效日期的行（避免绘图出错）
df_long = df_long.dropna(subset=['date'])

这一步处理后，date列就是标准的日期格式了，后续绘图会非常方便。

第四步：绘制每日温度变化图 #

用matplotlib来画基础折线图，代码里加了很多新手友好的细节：

import matplotlib.pyplot as plt

# 设置一个好看的绘图风格（可选，但效果更好）
plt.style.use('seaborn-v0_8')

# 创建画布和子图，设置合适的大小
fig, ax = plt.subplots(figsize=(12, 6))

# 绘制折线图：x是日期，y是温度，小点标记数据点，半透明线条避免重叠
ax.plot(
    df_long['date'],
    df_long['temperature'],
    marker='.',
    linestyle='-',
    alpha=0.7,
    color='#2c3e50'
)

# 添加标题和轴标签，突出研究主题
ax.set_title('1816年每日温度变化（坦博拉火山爆发后的"无夏之年"）', fontsize=14, pad=20)
ax.set_xlabel('日期', fontsize=12)
ax.set_ylabel('温度', fontsize=12)

# 自动旋转x轴的日期标签，避免挤在一起
plt.gcf().autofmt_xdate()

# 显示图形
plt.show()

运行这段代码，你就能得到一张清晰的1816年温度变化折线图，很容易就能观察到当年夏季的温度异常啦！

额外小提示 #

• 如果你的温度数据里有缺失值（比如用NaN或特定符号表示），可以用df_long = df_long.dropna(subset=['temperature'])去掉这些行；
• 要是想更直观对比季节温度，还可以给df_long添加season列划分季节，然后画分组折线图或者箱线图。

内容的提问来源于stack exchange，提问作者E.Wulf