Постройте данные временных рядов в Seaborn

1. Используйте функцию seaborn.lineplot() для построения данных временных рядов в Seaborn
2. Используйте функцию seaborn.tsplot() для построения данных временных рядов в Seaborn
3. Используйте функцию seaborn.barplot() для построения данных временных рядов в Seaborn

Данные временных рядов - это особый тип данных, в которых мы наблюдаем некоторый набор наблюдений с течением времени. Записывается временная метка каждого наблюдения. С такими данными обычно имеют дело, когда мы говорим о ценах на акции, данных датчиков, данных мониторинга приложений и т. Д.

В этом руководстве мы узнаем, как построить такие данные временных рядов в Python с помощью модуля Seaborn.

Мы создадим собственные образцы данных временных рядов для построения графиков.

Используйте функцию seaborn.lineplot() для построения данных временных рядов в Seaborn

Линейный график - один из самых основных графиков этого модуля. Обычно он используется для отслеживания чего-либо относительно времени; вот почему он широко используется с данными временных рядов.

В следующем коде мы строим данные временного ряда с помощью функции seaborn.lineplot().

import pandas as pd
import matplotlib.pyplot as plt
import seaborn as sns

df = pd.DataFrame({"Date": ['01/01/2019','01/02/2019','01/03/2019','01/04/2019',
                             '01/05/2019','01/06/2019','01/07/2019','01/08/2019'],
                   "Price": [77,76,68,70,78,79,74,75]})
plt.figure(figsize = (15,8))
sns.lineplot(x = 'Date', y = 'Price',data = df)

Обратите внимание, что нам пришлось обработать DataFrame, прежде чем использовать его с функцией. Мы должны были обеспечить, чтобы столбец Date был в формате datetime, что делается с помощью функции pd.to_datetime().

Команда plt.figure() используется для изменения размера конечной фигуры.

Используйте функцию seaborn.tsplot() для построения данных временных рядов в Seaborn

seaborn.tsplot() - относительно новое дополнение к последним версиям модуля. Он используется, когда у нас есть временная метка для доступных данных. Он используется для построения одного или нескольких данных временных рядов. Данные могут быть в форме длинного DataFrame или N-мерного массива с измерениями в единицах измерения и времени.

В следующем коде показано, как использовать эту функцию.

import pandas as pd
import matplotlib.pyplot as plt
import seaborn as sns

df = pd.DataFrame({"Date": ['01012019','01022019','01032019','01042019',
                             '01052019','01062019','01072019','01082019'],
                   "Price": [77,76,68,70,78,79,74,75]})
df["Date"] = pd.to_datetime(df["Date"], format = "%d%m%Y")

plt.figure(figsize = (15,8))
sns.tsplot(data = df['Price'], time  = df['Date'])

Используйте функцию seaborn.barplot() для построения данных временных рядов в Seaborn

Гистограмма используется для представления наблюдаемых значений в виде прямоугольных столбцов. Модуль seaborn в Python использует функцию seaborn.barplot() для создания гистограмм.

Гистограмма может использоваться для отображения данных непрерывного временного ряда.

Например,

import pandas as pd
import matplotlib.pyplot as plt
import seaborn as sns

df = pd.DataFrame({"Date": ['01012019','01022019','01032019','01042019',
                             '01052019','01062019','01072019','01082019'],
                   "Price": [77,76,68,70,78,79,74,75]})
df["Date"] = pd.to_datetime(df["Date"], format = "%d%m%Y")

plt.figure(figsize = (15,8))
sns.barplot(x = 'Date', y = 'Price',data = df)

Предыдущие два метода отображали данные с помощью линий, поэтому это предлагает альтернативную визуализацию данных временных рядов.