在 Seaborn 中绘制时间序列数据
-
在 Seaborn 中使用
seaborn.lineplot()函数绘制时间序列数据 -
在 Seaborn 中使用
seaborn.tsplot()函数绘制时间序列数据 -
在 Seaborn 中使用
seaborn.barplot()函数绘制时间序列数据
时间序列数据是一种特殊类型的数据，我们在其中观察一段时间内的一些观察结果。记录每个观察的时间戳。当我们谈论股票价格、传感器数据、应用程序监控数据等时，通常会处理此类数据。
在本教程中，我们将学习如何使用 Seaborn 模块在 Python 中绘制此类时间序列数据。
我们将为绘图创建我们自己的样本时间序列数据。
在 Seaborn 中使用 seaborn.lineplot() 函数绘制时间序列数据
线图是该模块最基本的图之一。它通常用于跟踪与时间有关的事物；这就是为什么它被高度用于时间序列数据。
在以下代码中，我们使用 seaborn.lineplot() 函数绘制时间序列数据。
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)
请注意，在将 DataFrame 与函数一起使用之前，我们必须对其进行处理。我们必须确保 Date 列是日期时间格式，这是使用 pd.to_datetime() 函数完成的。
plt.figure() 命令用于改变最终图形的大小。
在 Seaborn 中使用 seaborn.tsplot() 函数绘制时间序列数据
seaborn.tsplot() 是该模块最新版本的一个相对较新的补充。当我们有可用数据的时间戳时使用它。它用于绘制一个或多个时间序列数据。数据可以是长数据帧的形式，也可以是具有单位和时间维度的 N 维数组。
下面的代码展示了如何使用这个函数。
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"])
在 Seaborn 中使用 seaborn.barplot() 函数绘制时间序列数据
条形图用于表示矩形条中的观测值。Python 中的 seaborn 模块使用 seaborn.barplot() 函数来创建条形图。
条形图可用于显示连续的时间序列数据。
例如，
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)
前两种方法使用线条绘制数据，因此这为时间序列数据提供了另一种可视化。
Manav is a IT Professional who has a lot of experience as a core developer in many live projects. He is an avid learner who enjoys learning new things and sharing his findings whenever possible.
LinkedIn