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