使用 seaborn 绘制时间序列数据

Posted 2023-03-12

【中文标题】使用 seaborn 绘制时间序列数据

【英文标题】：Plotting time-series data with seaborn

【发布时间】：2014-05-12 18:51:23

【问题描述】：

假设我使用以下代码创建了一个完全随机的Dataframe：

from pandas.util import testing
from random import randrange

def random_date(start, end):
    delta = end - start
    int_delta = (delta.days * 24 * 60 * 60) + delta.seconds
    random_second = randrange(int_delta)
    return start + timedelta(seconds=random_second)

def rand_dataframe():
  df = testing.makeDataFrame()
  df['date'] = [random_date(datetime.date(2014,3,18),datetime.date(2014,4,1)) for x in xrange(df.shape[0])]
  df.sort(columns=['date'], inplace=True)      
  return df

df = rand_dataframe()

这导致了本文底部显示的数据框。我想使用seaborn 中的timeseries 可视化功能来绘制我的列A、B、C 和D，以便我得到以下方面的信息：

我该如何解决这个问题？从我在this notebook 上看到的内容来看，电话应该是：

sns.tsplot(df, time="time", unit="unit", condition="condition", value="value")

但这似乎要求数据框以不同的方式表示，列以某种方式编码time、unit、condition 和value，这不是我的情况。如何将我的数据框（如下所示）转换为这种格式？

这是我的数据框：

      date         A         B         C         D

2014-03-18  1.223777  0.356887  1.201624  1.968612
2014-03-18  0.160730  1.888415  0.306334  0.203939
2014-03-18 -0.203101 -0.161298  2.426540  0.056791
2014-03-18 -1.350102  0.990093  0.495406  0.036215
2014-03-18 -1.862960  2.673009 -0.545336 -0.925385
2014-03-19  0.238281  0.468102 -0.150869  0.955069
2014-03-20  1.575317  0.811892  0.198165  1.117805
2014-03-20  0.822698 -0.398840 -1.277511  0.811691
2014-03-20  2.143201 -0.827853 -0.989221  1.088297
2014-03-20  0.299331  1.144311 -0.387854  0.209612
2014-03-20  1.284111 -0.470287 -0.172949 -0.792020
2014-03-22  1.031994  1.059394  0.037627  0.101246
2014-03-22  0.889149  0.724618  0.459405  1.023127
2014-03-23 -1.136320 -0.396265 -1.833737  1.478656
2014-03-23 -0.740400 -0.644395 -1.221330  0.321805
2014-03-23 -0.443021 -0.172013  0.020392 -2.368532
2014-03-23  1.063545  0.039607  1.673722  1.707222
2014-03-24  0.865192 -0.036810 -1.162648  0.947431
2014-03-24 -1.671451  0.979238 -0.701093 -1.204192
2014-03-26 -1.903534 -1.550349  0.267547 -0.585541
2014-03-27  2.515671 -0.271228 -1.993744 -0.671797
2014-03-27  1.728133 -0.423410 -0.620908  1.430503
2014-03-28 -1.446037 -0.229452 -0.996486  0.120554
2014-03-28 -0.664443 -0.665207  0.512771  0.066071
2014-03-29 -1.093379 -0.936449 -0.930999  0.389743
2014-03-29  1.205712 -0.356070 -0.595944  0.702238
2014-03-29 -1.069506  0.358093  1.217409 -2.286798
2014-03-29  2.441311  1.391739 -0.838139  0.226026
2014-03-31  1.471447 -0.987615  0.201999  1.228070
2014-03-31 -0.050524  0.539846  0.133359 -0.833252

最后，我正在寻找的是图的叠加（每列一个），其中每个图如下所示（注意不同的 CI 值得到不同的 alpha 值）：

                    

【问题讨论】：

您的索引中有重复的日期。故意的？如果有，那有什么意义？

谢谢@PaulH 这是故意的，尽管它们可以移动到列中。我每个日期有多个样本，我想在图中的条带厚度中捕捉每个日期的可变性。

为了冗长，这条线本身来自给定日期的平均值，阴影带以最小值和最大值为界？

另外，你能添加你的导入语句吗？ randrange 来自哪里？

@PaulH 我修复了导入。理想情况下，乐队应该在Q1 和Q3 处捕获置信区间，如en.wikipedia.org/wiki/File:Boxplot_vs_PDF.svg

【参考方案1】：

我认为tsplot 不会处理您拥有的数据。它对输入数据所做的假设是您在每个时间点采样了相同的单位（尽管您可能会丢失某些单位的时间点）。

例如，假设您连续一个月每天测量同一个人的血压，然后您想按条件绘制平均血压（其中“条件”变量可能是他们的饮食）。 tsplot 可以做到这一点，调用类似于sns.tsplot(df, time="day", unit="person", condition="diet", value="blood_pressure")

这种情况不同于让一大群人吃不同的饮食，然后每天从每组中随机抽取一些人并测量他们的血压。从您提供的示例中，您的数据似乎是这样的结构。

但是，想出一个 matplotlib 和 pandas 的组合来做我认为你想要的事情并不难：

# Read in the data from the *** question
df = pd.read_clipboard().iloc[1:]

# Convert it to "long-form" or "tidy" representation
df = pd.melt(df, id_vars=["date"], var_name="condition")

# Plot the average value by condition and date
ax = df.groupby(["condition", "date"]).mean().unstack("condition").plot()

# Get a reference to the x-points corresponding to the dates and the the colors
x = np.arange(len(df.date.unique()))
palette = sns.color_palette()

# Calculate the 25th and 75th percentiles of the data
# and plot a translucent band between them
for cond, cond_df in df.groupby("condition"):
    low = cond_df.groupby("date").value.apply(np.percentile, 25)
    high = cond_df.groupby("date").value.apply(np.percentile, 75)
    ax.fill_between(x, low, high, alpha=.2, color=palette.pop(0))

这段代码产生：

【讨论】：

谢谢。为什么你认为tsplot 行不通？我可以理解统计假设不会延续，但tsplot 怎么知道样本来自哪里？它是否假设每个日期的元素数量恒定？

这就是unit 参数的用途——你告诉它每个样本对应哪个单位，然后它期望每个时间点代表每个单位。

我问的原因是因为我对tsplot 对置信区间的不同值使用不同的 alpha 值的能力特别感兴趣（我更新了 OP 以在最后突出显示这一点)

您可以添加一个内部循环并在不同的时间间隔内重复 fill_between 块 tsplot 只是在彼此之上绘制多个补丁，而不是 alpha 本身的任何花哨的东西。

是否可以避免将数据转换为“长格式”（效率不高）？？