极客教程用Seaborn和Pandas创建时间序列图
在这篇文章中，我们将学习如何用Seaborn和Pandas创建一个时间序列图。让我们来讨论一些概念。
- Pandas是一个建立在NumPy库之上的开源库。它是一个Python包，提供了各种数据结构和操作，用于处理数字数据和统计。它主要因导入和分析数据更容易而流行。Pandas速度很快，对用户来说，它是高性能和高生产力的。
- Seaborn是一个巨大的可视化库，用于Python中的统计图形绘制。它提供了漂亮的默认样式和调色板，使统计图更有吸引力。它建立在matplotlib库的基础上，也与pandas的信息结构紧密结合。
- 时间图（有时称为统计图）显示与时间相对应的数值。它们几乎就像X-Y图，但X-Y图可以绘制 “X “变量的分布（例如，身高、体重、年龄），而时间图只能在X轴上显示时间。与饼状图和柱状图不同，这些图没有类别。时间图适合于显示数据随时间的变化。例如，如果你对数据进行随机采样，这种图表就很好用。
需要的步骤
1.导入包
2.导入/加载/创建数据。
3.使用lineplot绘制数据上的时间序列图（因为自2020年9月起tsplot被lineplot取代）。
示例
在这里，我们创建一个粗略的数据，以便在一些例子的帮助下理解时间序列图。让我们来创建数据:
# importing packages
import pandas as pd
# creating data
df = pd.DataFrame({'Date': ['2019-10-01', '2019-11-01',
'2019-12-01','2020-01-01',
'2020-02-01', '2020-03-01',
'2020-04-01', '2020-05-01',
'2020-06-01'],
'Col_1': [34, 43, 14, 15,
15, 14, 31, 25, 62],
'Col_2': [52, 66, 78, 15, 15,
5, 25, 25, 86],
'Col_3': [13, 73, 82, 58, 52,
87, 26, 5, 56],
'Col_4': [44, 75, 26, 15, 15,
14, 54, 25, 24]})
# view dataset
display(df)
输出:
实例1：使用线图绘制单列的简单时间序列图。
# importing packages
import seaborn as sns
import pandas as pd
# creating data
df = pd.DataFrame({'Date': ['2019-10-01', '2019-11-01',
'2019-12-01','2020-01-01',
'2020-02-01', '2020-03-01',
'2020-04-01', '2020-05-01',
'2020-06-01'],
'Col_1': [34, 43, 14, 15, 15,
14, 31, 25, 62],
'Col_2': [52, 66, 78, 15, 15,
5, 25, 25, 86],
'Col_3': [13, 73, 82, 58, 52,
87, 26, 5, 56],
'Col_4': [44, 75, 26, 15, 15,
14, 54, 25, 24]})
# create the time series plot
sns.lineplot(x = "Date", y = "Col_1",
data = df)
plt.xticks(rotation = 25)
输出 :
例子2：（使用直线图绘制多列的简单时间序列图）
# importing packages
import seaborn as sns
import pandas as pd
# creating data
df = pd.DataFrame({'Date': ['2019-10-01', '2019-11-01',
'2019-12-01','2020-01-01',
'2020-02-01', '2020-03-01',
'2020-04-01', '2020-05-01',
'2020-06-01'],
'Col_1': [34, 43, 14, 15, 15,
14, 31, 25, 62],
'Col_2': [52, 66, 78, 15, 15,
5, 25, 25, 86],
'Col_3': [13, 73, 82, 58, 52,
87, 26, 5, 56],
'Col_4': [44, 75, 26, 15, 15,
14, 54, 25, 24]})
# create the time series plot
sns.lineplot(x = "Date", y = "Col_1", data = df)
sns.lineplot(x = "Date", y = "Col_2", data = df)
plt.ylabel("Col_1 and Col_2")
plt.xticks(rotation = 25)
输出 :
例子3：多列的时间序列图。
# importing packages
import seaborn as sns
import pandas as pd
import matplotlib.pyplot as plt
# creating data
df = pd.DataFrame({'Date': ['2019-10-01', '2019-11-01',
'2019-12-01','2020-01-01',
'2020-02-01', '2020-03-01',
'2020-04-01', '2020-05-01',
'2020-06-01'],
'Col_1': [34, 43, 14, 15, 15,
14, 31, 25, 62],
'Col_2': [52, 66, 78, 15, 15,
5, 25, 25, 86],
'Col_3': [13, 73, 82, 58, 52,
87, 26, 5, 56],
'Col_4': [44, 75, 26, 15, 15,
14, 54, 25, 24]})
# create the time series subplots
fig,ax = plt.subplots( 2, 2,
figsize = ( 10, 8))
sns.lineplot( x = "Date", y = "Col_1",
color = 'r', data = df,
ax = ax[0][0])
ax[0][0].tick_params(labelrotation = 25)
sns.lineplot( x = "Date", y = "Col_2",
color = 'g', data = df,
ax = ax[0][1])
ax[0][1].tick_params(labelrotation = 25)
sns.lineplot(x = "Date", y = "Col_3",
color = 'b', data = df,
ax = ax[1][0])
ax[1][0].tick_params(labelrotation = 25)
sns.lineplot(x = "Date", y = "Col_4",
color = 'y', data = df,
ax = ax[1][1])
ax[1][1].tick_params(labelrotation = 25)
fig.tight_layout(pad = 1.2)
输出 :
