Python时间序列图制作|极客教程

Python时间序列图制作

在数据分析和可视化中，时间序列图是一种非常常见的图形类型。它可以用来展示随着时间变化的数据趋势，帮助我们更直观地理解数据的特征和规律。在Python中，我们可以使用各种库来制作时间序列图，这篇文章将介绍如何使用matplotlib和seaborn库来创建时间序列图。

准备工作

在开始制作时间序列图之前，我们首先需要准备一些数据。在本文中，我们将使用一个示例数据集来演示，这个数据集包含了每天的气温数据。

import pandas as pd

# 创建示例数据
data = {'date': ['2022-01-01', '2022-01-02', '2022-01-03', '2022-01-04', '2022-01-05'],
        'temperature': [20, 22, 25, 24, 23]}
df = pd.DataFrame(data)

# 将日期列转换为日期时间格式
df['date'] = pd.to_datetime(df['date'])
df

运行上述代码我们可以得到如下示例数据：

        date  temperature
0 2022-01-01           20
1 2022-01-02           22
2 2022-01-03           25
3 2022-01-04           24
4 2022-01-05           23

现在我们已经准备好了示例数据，接下来我们将使用matplotlib和seaborn库来将这些数据可视化为一个时间序列图。

使用matplotlib制作时间序列图

首先，我们来使用matplotlib库制作一个简单的时间序列图。在这个图中，x轴表示日期，y轴表示气温。

import matplotlib.pyplot as plt

# 绘制时间序列图
plt.figure(figsize=(10, 6))
plt.plot(df['date'], df['temperature'], marker='o')
plt.xlabel('Date')
plt.ylabel('Temperature')
plt.title('Temperature Time Series')
plt.grid()
plt.show()

运行上述代码，我们会得到一个简单的时间序列图，如下所示：

[插入图片]

上图展示了每天的气温数据，我们可以清晰地看到气温随着日期的变化而变化的趋势。

使用seaborn制作时间序列图

除了matplotlib，我们还可以使用seaborn库来制作时间序列图。seaborn库提供了一些更高级的函数和样式，可以让我们更轻松地创建漂亮的图形。

import seaborn as sns

# 设置风格
sns.set_style("whitegrid")

# 绘制时间序列图
plt.figure(figsize=(10, 6))
sns.lineplot(x='date', y='temperature', data=df, marker='o')
plt.xlabel('Date')
plt.ylabel('Temperature')
plt.title('Temperature Time Series')
plt.show()

运行以上代码，我们会得到一个使用seaborn库制作的时间序列图，如下所示：