用Python绘制时间序列

时间序列数据是有时间戳的数据，比如10年的股票价格、每月的销售数据等等。Python中有许多库可以用于绘制时间序列的图表。本文将会介绍常用的几个库，包括：

• Matplotlib
• Pandas
• Seaborn

Matplotlib

Matplotlib是Python中最常用的绘图库之一，可以用于绘制各种类型的图表，包括时间序列。下面的代码展示了如何使用Matplotlib绘制时间序列图表：

import matplotlib.pyplot as plt
import numpy as np

# 随机生成100天的时间序列数据
np.random.seed(2021)
dates = pd.date_range('1/1/2021', periods=100)
y = np.random.randint(10, 100, 100)

# 绘制图表
fig, ax = plt.subplots()
ax.plot(dates, y)

# 设置图表标题和轴标签
ax.set(xlabel='time', ylabel='value', title='Time series plot')

# 设置x轴的日期格式
plt.xticks(rotation=45)

输出：

代码解析：

• 首先，我们使用pd.date_range()函数生成100天的日期序列，用于构建x轴。
• 然后，我们使用np.random.randint()函数生成100个随机整数作为y轴的数据。
• 接着，我们使用plt.subplots()函数创建一张图表，ax是轴对象。
• 然后使用ax.plot()方法绘制时间序列。
• 最后设置标题、轴标签和x轴的日期格式。

Pandas

Pandas是数据分析领域最流行的Python库之一，与Matplotlib集成非常紧密。Pandas提供了很多有用的函数用于时间序列的处理和可视化。下面的代码示范了如何使用Pandas绘制时间序列图表：

import pandas as pd
import numpy as np
import matplotlib.pyplot as plt

# 随机生成100天的时间序列数据
np.random.seed(2021)
dates = pd.date_range('1/1/2021', periods=100)
y = np.random.randint(10, 100, 100)
data = {'date': dates, 'value': y}
df = pd.DataFrame(data)
df.set_index('date', inplace=True)

# 绘制图表
df.plot()

# 设置图表标题和轴标签
plt.title('Time series plot')
plt.xlabel('time')
plt.ylabel('value')

输出：

代码解析：

• 首先，我们用pd.date_range()函数生成日期序列并将其与随机生成的数据一起存储在一个Pandas DataFrame中。
• 然后，我们使用df.plot()方法绘制时间序列图表。
• 最后设置标题和轴标签。

Seaborn

Seaborn是另一个流行的Python可视化库，它在Matplotlib的基础上，提供了更加美观和易用的图表风格。使用Seaborn绘制时间序列，只需要调用lineplot()函数，如下所示：

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

# 随机生成100天的时间序列数据
np.random.seed(2021)
dates = pd.date_range('1/1/2021', periods=100)
y = np.random.randint(10, 100, 100)
data = {'date': dates, 'value': y}
df = pd.DataFrame(data)

# 绘制图表
sns.lineplot(x="date", y="value", data=df)

# 设置图表标题
plt.title('Time series plot')

输出：

代码解析：

• 首先，我们用pd.date_range()函数生成日期序列并将其与随机生成的数据一起存储在一个Pandas DataFrame中。
• 然后，我们使用sns.lineplot()函数绘制时间序列图表。
• 最后设置标题。

以上就是使用Python绘制时间序列图表的方法介绍。无论你是数据分析师、机器学习工程师还是研究人员，这些库都是你必须掌握的工具。