如何在 x 轴上绘制带有日期时间的线性回归

Posted 2023-03-11

【中文标题】如何在 x 轴上绘制带有日期时间的线性回归

【英文标题】：How to plot a linear regression with datetimes on the x-axis

【发布时间】：2015-06-01 06:08:46

【问题描述】：

我的 DataFrame 对象看起来像

            amount
date    
2014-01-06  1
2014-01-07  1
2014-01-08  4
2014-01-09  1
2014-01-14  1

我想要一种散点图，其中 x 轴为时间，y 轴为数量，用一条线穿过数据来引导观察者的视线。如果我使用 pandas plot df.plot(style="o") 那就不太对了，因为这条线不存在。我想要类似 here 的例子。

【参考方案1】：

由于 Seaborn 在日期方面存在问题，我将创建一个解决方法。 首先，我将 Date 列设为我的索引：

# Make dataframe
df = pd.DataFrame('amount' : [1,
                               1,
                               4,
                               1,
                               1],
                  index = ['2014-01-06',
                           '2014-01-07',
                           '2014-01-08',
                           '2014-01-09',
                           '2014-01-14'])

其次，将索引转换为pd.DatetimeIndex：

# Make index pd.DatetimeIndex
df.index = pd.DatetimeIndex(df.index)

并用它替换原来的：

# Make new index
idx = pd.date_range(df.index.min(), df.index.max())

第三，用新索引（idx）重新索引：

# Replace original index with idx
df = df.reindex(index = idx)

这将为您没有数据的日期生成一个带有 NaN 值的新数据框：

第四，由于 Seaborn 不能很好地处理日期和回归线，我将创建一个行数列，我们可以将其用作 x 轴：

# Insert row count
df.insert(df.shape[1],
          'row_count',
          df.index.value_counts().sort_index().cumsum())

第五，我们现在应该能够使用“row_count”作为我们的 x 变量和“amount”作为我们的 y 变量来绘制回归线：

# Plot regression using Seaborn
fig = sns.regplot(data = df, x = 'row_count', y = 'amount')

第六，如果您希望日期沿 x 轴而不是 row_count，您可以将 x-tick 标签设置为索引：

# Change x-ticks to dates
labels = [item.get_text() for item in fig.get_xticklabels()]

# Set labels for 1:10 because labels has 11 elements (0 is the left edge, 11 is the right
# edge) but our data only has 9 elements
labels[1:10] = df.index.date

# Set x-tick labels
fig.set_xticklabels(labels)

# Rotate the labels so you can read them
plt.xticks(rotation = 45)

# Change x-axis title
plt.xlabel('date')

plt.show();

希望这会有所帮助！

【参考方案2】：

注意：这与 Ian Thompson 的答案有很多共同之处，但方法不同，足以让它成为一个单独的答案。我使用问题中提供的 DataFrame 格式并避免更改索引。

Seaborn 和其他库对日期时间轴的处理不如您希望的那样好。以下是我的解决方法：

首先添加一列日期序数

Seaborn 会比日期更好地处理这些问题。这是对日期和不喜欢日期的库进行各种数学运算的便捷技巧。

from datetime import date

df['date_ordinal'] = pd.to_datetime(df['date']).apply(lambda date: date.toordinal())

用日期轴上的序数绘制图

ax = seaborn.regplot(
    data=df,
    x='date_ordinal',
    y='amount',
)
# Tighten up the axes for prettiness
ax.set_xlim(df['date_ordinal'].min() - 1, df['date_ordinal'].max() + 1)
ax.set_ylim(0, df['amount'].max() + 1)

用漂亮、可读的日期替换序数 X 轴标签

ax.set_xlabel('date')
new_labels = [date.fromordinal(int(item)) for item in ax.get_xticks()]
ax.set_xticklabels(new_labels)

哒哒！

【讨论】：

这太棒了！我只想补充一点，我必须使用new_labels = [dt.date.fromordinal(int(item)) for item in ax.get_xticks()]，因为我的脚本顶部有import datetime as dt。我猜这个答案假设用户已经完成了from datetime import date。

【参考方案3】：

datetime dtype 值必须转换为类似ordinal 这可以通过使用sklearn.linear_model.LinearRegression 计算模型然后使用matplotlib.pyplot.plot 添加回归线来完成 sns.lineplot(x=[x1_date, x2_date], y=[y1, y2], label='Linear Model', color='magenta') 也可以。

在python 3.8.11、pandas 1.3.2、matplotlib 3.4.3、sklearn 0.24.2中测试

import yfinance as yf  # for data
from sklearn.linear_model import LinearRegression
import matplotlib.pyplot as plt

# download the data
data = yf.download('aapl', '2019-01-02', '2021-01-01')

# add an ordinal column because sklearn doesn't work with datetimes
data['ordinal'] = data.index.map(pd.Timestamp.toordinal)

# create the model
model = LinearRegression()

# extract x and y from dataframe data
x = data[['ordinal']]
y = data[['Adj Close']]

# fit the mode
model.fit(x, y)

# print the slope and intercept if desired
print('intercept:', model.intercept_[0])
print('slope:', model.coef_[0][0])

# select x1 and x2 and get the corresponding date from the index
x1 = data.ordinal.min()
x1_date = data[data.ordinal.eq(x1)].index[0]
x2 = data.ordinal.max()
x2_date = data[data.ordinal.eq(x2)].index[0]

# calculate y1, given x1
y1 = model.predict(np.array([[x1]]))[0][0]

print('y1:', y1)

# calculate y2, given x2
y2 = model.predict(np.array([[x2]]))[0][0]

print('y2:', y2)

[out]:
intercept: -90078.45713565295
slope: 0.12225139598567565
y1: 28.279040945126326
y2: 117.40030861868581

情节

ax1 = data.plot(y='Adj Close', c='k', figsize=(15, 6), grid=True, legend=False)
ax1.plot([x1_date, x2_date], [y1, y2], label='Linear Model', c='magenta')
ax1.legend()