freeCodeCamp/curriculum/challenges/chinese/08-data-analysis-with-python/data-analysis-with-python-projects/sea-level-predictor.md

id, title, challengeType, forumTopicId, dashedName

id	title	challengeType	forumTopicId	dashedName
5e4f5c4b570f7e3a4949899f	海平面预报器	10	462370	sea-level-predictor

--description--

你将使用我们在 Replit 的初始化项目来完成这个项目。

• 首先在 Replit 中导入项目。
• 接着，你将看到一个 .replit 窗口。
• 选择 Use run command 并点击 Done 按钮。

我们仍在开发 Python 课程的交互式教学部分。 目前，你可以在 YouTube 上通过 freeCodeCamp.org 上传的一些视频学习这个项目相关的知识。

• 给所有人的 Python 课程（14 小时）

• 如何使用 Python Pandas 分析数据（10 小时）

--instructions--

你将分析自 1880 年以来全球平均海平面变化的数据集。 你将使用这些数据来预测到 2050 年的海平面变化。

使用数据完成以下任务：

• 使用 Pandas 从 epa-sea-level.csv 导入数据。
• 使用 matplotlib 创建散点图，将 Year 列作为 x 轴，将 CSIRO Adjusted Sea Level 列作为 y 轴。
• 使用 scipy.stats 中的 linregress 函数来获得最佳拟合线的斜率和 y 截距。 在散点图的顶部绘制最佳拟合线。 使线穿过 2050 年以预测 2050 年的海平面上升。
• 仅使用数据集中从 2000 年到最近一年的数据绘制一条新的最佳拟合线。 如果上升速度继续与 2000 年一样，则使该线也经过 2050 年以预测 2050 年的海平面上升。
• x 标签应为 Year，y 标签应为 Sea Level (inches)，标题应为 Rise in Sea Level。

单元测试是在 test_module.py 下为你编写的。

样板文件还包括保存和返回图像的命令。

开发

对于开发，你可以使用 main.py 来测试你的函数。 单击“运行”按钮，main.py 将运行。

测试

为了你的方便，我们将测试从 test_module.py 导入到 main.py。 只要你点击“运行”按钮，测试就会自动运行。

提交

复制项目的 URL 并将其提交给 freeCodeCamp。

数据源

全球平均绝对海平面变化，1880 - 2014 年，来自美国环境保护局，数据来源：CSIRO, 2015; NOAA, 2015。

--hints--

它应该通过所有的 Python 测试。

--solutions--

  # Python challenges don't need solutions,
  # because they would need to be tested against a full working project.
  # Please check our contributing guidelines to learn more.