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

# 导入数据
data = pd.read_csv(r'C:\Users\11712\notebooktrain1.csv')

# 假设数据包含 'date_time' 和 'speed' 列
data['date_time'] = pd.to_datetime(data['date_time'])  # 确保时间列是 datetime 类型
data.set_index('date_time', inplace=True)  # 将时间列设置为索引

# 筛选出2023年06月01日到2024年06月30日的数据
start_date = '2023-06-01 00:00:00'
end_date = '2023-06-15 23:45:00'
filtered_data = data[(data.index >= start_date) & (data.index <= end_date)]

# 绘制时间与速度的关系图
plt.figure(figsize=(15, 6))  # 设置图形大小
plt.plot(filtered_data.index, filtered_data['obs'], label='Speed', color='blue')  # 绘制折线图

# 添加趋势线
# 将时间索引转换为数字序列（用于计算趋势线）
time_index = np.arange(len(filtered_data.index))

# 使用numpy的polyfit计算一次多项式拟合（即线性趋势线）
coefficients = np.polyfit(time_index, filtered_data['obs'], deg=1)  # deg=1表示线性拟合
polynomial = np.poly1d(coefficients)  # 创建多项式对象
trend_line = polynomial(time_index)  # 计算趋势线的值

# 绘制趋势线
plt.plot(filtered_data.index, trend_line, label='Trend Line', color='red', linestyle='--')

# 添加标题和标签
plt.title('Speed from 2023-06-01 to 2023-06-15', fontsize=14)
plt.xlabel('Date', fontsize=12)
plt.ylabel('Speed', fontsize=12)

# 添加图例
plt.legend(fontsize=10)

# 格式化x轴的时间标签
plt.gcf().autofmt_xdate()  # 自动旋转日期标签，避免重叠
plt.xticks(rotation=45)  # 旋转x轴标签，便于阅读

# 显示图形
plt.tight_layout()  # 调整布局
plt.show()

linewidth=3 参数，将趋势线的宽度设置为 3。你可以根据需要调整这个值，使其更粗或更细。
 color='blue' 改为 color='yellow'。运行这段代码后，折线图将以黄色显示，而趋势线仍然保持为红色