Datetime 如何在Julia中创建高分辨率timeseries绘图
我已经成功地使用timeseries.jl在Juno中创建了1.5.3版(2020-11-09),并与JuliaPro一起安装,代码如下 尝试1:Datetime 如何在Julia中创建高分辨率timeseries绘图,datetime,time-series,julia,timeserieschart,Datetime,Time Series,Julia,Timeserieschart,我已经成功地使用timeseries.jl在Juno中创建了1.5.3版(2020-11-09),并与JuliaPro一起安装,代码如下 尝试1: using IterableTables using DataFrames using CSV using Dates using TimeSeries using Plots myfile="test2.csv" dmft = dateformat"d/m/yyyy HH:MM:SS" df = Data
using IterableTables
using DataFrames
using CSV
using Dates
using TimeSeries
using Plots
myfile="test2.csv"
dmft = dateformat"d/m/yyyy HH:MM:SS"
df = DataFrame(CSV.File(joinpath(@__DIR__,myfile); dateformat=dmft))
println(first(df,10))
ta = TimeArray(df; timestamp = :Date)
println(colnames(ta))
display(plot(ta[:Col3]))
myfile="test2.csv"
dmft = dateformat"d/m/yyyy HH:MM:SS"
df = DataFrame(CSV.File(joinpath(@__DIR__,myfile); dateformat=dmft)) # historical data for the ticker
dt = Array(df.Date)
dt_str = Array(String,length(dt))
for i=1:length(dt)
dt_str[i] = string(dt[i]);
end
得到了这个图
在我的REPL中使用以下输出
10×5 DataFrame
│ Row │ Date │ Col1 │ Col2 │ Col3 │ Col4 │
│ │ DateTime │ Float64 │ Float64 │ Float64 │ Float64 │
├─────┼─────────────────────┼─────────┼─────────┼─────────┼─────────┤
│ 1 │ 2020-08-10T00:00:00 │ 507.28 │ 181.34 │ 1532.96 │ 183.16 │
│ 2 │ 2020-08-10T00:01:00 │ 507.29 │ 181.34 │ 1532.95 │ 183.16 │
│ 3 │ 2020-08-10T00:02:00 │ 507.27 │ 181.34 │ 1532.94 │ 183.16 │
│ 4 │ 2020-08-10T00:03:00 │ 507.28 │ 181.34 │ 1532.97 │ 183.16 │
│ 5 │ 2020-08-10T00:04:00 │ 507.29 │ 181.33 │ 1532.97 │ 183.16 │
│ 6 │ 2020-08-10T00:05:00 │ 507.29 │ 181.33 │ 1532.96 │ 183.16 │
│ 7 │ 2020-08-10T00:06:00 │ 507.27 │ 181.33 │ 1532.95 │ 183.16 │
│ 8 │ 2020-08-10T00:07:00 │ 507.28 │ 181.33 │ 1532.96 │ 183.16 │
│ 9 │ 2020-08-10T00:08:00 │ 507.27 │ 181.33 │ 1532.95 │ 183.16 │
│ 10 │ 2020-08-10T00:09:00 │ 507.28 │ 181.32 │ 1532.96 │ 183.16 │
[:Col1, :Col2, :Col3, :Col4]
不幸的是,这是一个图像,如果我缩放分辨率不高,可以看到下面
我想要达到的目标:
using IterableTables
using DataFrames
using CSV
using Dates
using TimeSeries
using Plots
myfile="test2.csv"
dmft = dateformat"d/m/yyyy HH:MM:SS"
df = DataFrame(CSV.File(joinpath(@__DIR__,myfile); dateformat=dmft))
println(first(df,10))
ta = TimeArray(df; timestamp = :Date)
println(colnames(ta))
display(plot(ta[:Col3]))
myfile="test2.csv"
dmft = dateformat"d/m/yyyy HH:MM:SS"
df = DataFrame(CSV.File(joinpath(@__DIR__,myfile); dateformat=dmft)) # historical data for the ticker
dt = Array(df.Date)
dt_str = Array(String,length(dt))
for i=1:length(dt)
dt_str[i] = string(dt[i]);
end
理想情况下,我更喜欢下面的高分辨率图像,我可以使用Shift键和鼠标左键正确放大
上图的数据框如下所示
julia> print(first(mydf2,10))
10×8 DataFrame
│ Row │ ticker │ timestamp │ Open │ High │ Low │ Close │ AdjClose │ Volume │
│ │ String │ Date │ Float64 │ Float64 │ Float64 │ Float64 │ Float64 │ Float64 │
├─────┼────────┼────────────┼─────────┼─────────┼─────────┼─────────┼──────────┼───────────┤
│ 1 │ MSFT │ 2010-12-27 │ 28.12 │ 28.2 │ 27.88 │ 28.07 │ 22.3176 │ 2.16528e7 │
│ 2 │ MSFT │ 2010-12-28 │ 27.97 │ 28.17 │ 27.96 │ 28.01 │ 22.2699 │ 2.30422e7 │
│ 3 │ MSFT │ 2010-12-29 │ 27.94 │ 28.12 │ 27.88 │ 27.97 │ 22.2381 │ 1.95025e7 │
│ 4 │ MSFT │ 2010-12-30 │ 27.92 │ 28.0 │ 27.78 │ 27.85 │ 22.1427 │ 2.07861e7 │
│ 5 │ MSFT │ 2010-12-31 │ 27.8 │ 27.92 │ 27.63 │ 27.91 │ 22.1904 │ 2.4752e7 │
│ 6 │ MSFT │ 2011-01-03 │ 28.05 │ 28.18 │ 27.92 │ 27.98 │ 22.2461 │ 5.34438e7 │
│ 7 │ MSFT │ 2011-01-04 │ 27.94 │ 28.17 │ 27.85 │ 28.09 │ 22.3335 │ 5.44056e7 │
│ 8 │ MSFT │ 2011-01-05 │ 27.9 │ 28.01 │ 27.77 │ 28.0 │ 22.262 │ 5.89987e7 │
│ 9 │ MSFT │ 2011-01-06 │ 28.04 │ 28.85 │ 27.86 │ 28.82 │ 22.9139 │ 8.80263e7 │
│ 10 │ MSFT │ 2011-01-07 │ 28.64 │ 28.74 │ 28.25 │ 28.6 │ 22.739 │ 7.3762e7 │
使用MarketData.jl中的数据和以下代码进行绘图:
using Gadfly
display(plot(mydf2,x="timestamp",y="AdjClose", Geom.line))
尝试2:
using IterableTables
using DataFrames
using CSV
using Dates
using TimeSeries
using Plots
myfile="test2.csv"
dmft = dateformat"d/m/yyyy HH:MM:SS"
df = DataFrame(CSV.File(joinpath(@__DIR__,myfile); dateformat=dmft))
println(first(df,10))
ta = TimeArray(df; timestamp = :Date)
println(colnames(ta))
display(plot(ta[:Col3]))
myfile="test2.csv"
dmft = dateformat"d/m/yyyy HH:MM:SS"
df = DataFrame(CSV.File(joinpath(@__DIR__,myfile); dateformat=dmft)) # historical data for the ticker
dt = Array(df.Date)
dt_str = Array(String,length(dt))
for i=1:length(dt)
dt_str[i] = string(dt[i]);
end
我尝试使用我的第一个dataseries获得类似的结果,只是忽略了TimeArray(因为它在尝试1中没有帮助),并得到以下错误
myfile="test2.csv"
df = DataFrame(CSV.File(joinpath(@__DIR__,myfile)))
println(first(df,10))
display(plot(df,x="Date",y="Col3", Geom.line))
我收到以下数据帧和错误消息:
10×5 DataFrame
│ Row │ Date │ Col1 │ Col2 │ Col3 │ Col4 │
│ │ DateTime │ Float64 │ Float64 │ Float64 │ Float64 │
├─────┼─────────────────────┼─────────┼─────────┼─────────┼─────────┤
│ 1 │ 2020-08-10T00:00:00 │ 507.28 │ 181.34 │ 1532.96 │ 183.16 │
│ 2 │ 2020-08-10T00:01:00 │ 507.29 │ 181.34 │ 1532.95 │ 183.16 │
│ 3 │ 2020-08-10T00:02:00 │ 507.27 │ 181.34 │ 1532.94 │ 183.16 │
│ 4 │ 2020-08-10T00:03:00 │ 507.28 │ 181.34 │ 1532.97 │ 183.16 │
│ 5 │ 2020-08-10T00:04:00 │ 507.29 │ 181.33 │ 1532.97 │ 183.16 │
│ 6 │ 2020-08-10T00:05:00 │ 507.29 │ 181.33 │ 1532.96 │ 183.16 │
│ 7 │ 2020-08-10T00:06:00 │ 507.27 │ 181.33 │ 1532.95 │ 183.16 │
│ 8 │ 2020-08-10T00:07:00 │ 507.28 │ 181.33 │ 1532.96 │ 183.16 │
│ 9 │ 2020-08-10T00:08:00 │ 507.27 │ 181.33 │ 1532.95 │ 183.16 │
│ 10 │ 2020-08-10T00:09:00 │ 507.28 │ 181.32 │ 1532.96 │ 183.16 │
ERROR: LoadError: Cannot convert DataFrame to series data for plotting
ERROR: LoadError: MethodError: no method matching Array(::Type{String}, ::Int64)
尝试3:
using IterableTables
using DataFrames
using CSV
using Dates
using TimeSeries
using Plots
myfile="test2.csv"
dmft = dateformat"d/m/yyyy HH:MM:SS"
df = DataFrame(CSV.File(joinpath(@__DIR__,myfile); dateformat=dmft))
println(first(df,10))
ta = TimeArray(df; timestamp = :Date)
println(colnames(ta))
display(plot(ta[:Col3]))
myfile="test2.csv"
dmft = dateformat"d/m/yyyy HH:MM:SS"
df = DataFrame(CSV.File(joinpath(@__DIR__,myfile); dateformat=dmft)) # historical data for the ticker
dt = Array(df.Date)
dt_str = Array(String,length(dt))
for i=1:length(dt)
dt_str[i] = string(dt[i]);
end
因为它是DateTime格式的,我想知道为什么这是一个问题。好的,我现在尝试了一些不同的方法,加载数据时没有更改格式,仍然没有使用TimeArray:
myfile="test2.csv"
# dmft = dateformat"d/m/yyyy HH:MM:SS"
df = DataFrame(CSV.File(joinpath(@__DIR__,myfile))) # dateformat=dmft removed
println(first(df,10))
display(plot(df,x="Date",y="Col3", Geom.line))
但我还是得到了这个结果:
10×5 DataFrame
│ Row │ Date │ Col1 │ Col2 │ Col3 │ Col4 │
│ │ String │ Float64 │ Float64 │ Float64 │ Float64 │
├─────┼────────────────┼─────────┼─────────┼─────────┼─────────┤
│ 1 │ 10/8/2020 0:00 │ 507.28 │ 181.34 │ 1532.96 │ 183.16 │
│ 2 │ 10/8/2020 0:01 │ 507.29 │ 181.34 │ 1532.95 │ 183.16 │
│ 3 │ 10/8/2020 0:02 │ 507.27 │ 181.34 │ 1532.94 │ 183.16 │
│ 4 │ 10/8/2020 0:03 │ 507.28 │ 181.34 │ 1532.97 │ 183.16 │
│ 5 │ 10/8/2020 0:04 │ 507.29 │ 181.33 │ 1532.97 │ 183.16 │
│ 6 │ 10/8/2020 0:05 │ 507.29 │ 181.33 │ 1532.96 │ 183.16 │
│ 7 │ 10/8/2020 0:06 │ 507.27 │ 181.33 │ 1532.95 │ 183.16 │
│ 8 │ 10/8/2020 0:07 │ 507.28 │ 181.33 │ 1532.96 │ 183.16 │
│ 9 │ 10/8/2020 0:08 │ 507.27 │ 181.33 │ 1532.95 │ 183.16 │
│ 10 │ 10/8/2020 0:09 │ 507.28 │ 181.32 │ 1532.96 │ 183.16 │
ERROR: LoadError: Cannot convert DataFrame to series data for plotting
我怀疑问题出在日期或日期时间上,但我还没有确定下来。
有一篇关于绘制时间序列数据的帖子,但是使用了字符串。
导致我的尝试如下:
尝试4:
using IterableTables
using DataFrames
using CSV
using Dates
using TimeSeries
using Plots
myfile="test2.csv"
dmft = dateformat"d/m/yyyy HH:MM:SS"
df = DataFrame(CSV.File(joinpath(@__DIR__,myfile); dateformat=dmft))
println(first(df,10))
ta = TimeArray(df; timestamp = :Date)
println(colnames(ta))
display(plot(ta[:Col3]))
myfile="test2.csv"
dmft = dateformat"d/m/yyyy HH:MM:SS"
df = DataFrame(CSV.File(joinpath(@__DIR__,myfile); dateformat=dmft)) # historical data for the ticker
dt = Array(df.Date)
dt_str = Array(String,length(dt))
for i=1:length(dt)
dt_str[i] = string(dt[i]);
end
显示以下错误消息:
10×5 DataFrame
│ Row │ Date │ Col1 │ Col2 │ Col3 │ Col4 │
│ │ DateTime │ Float64 │ Float64 │ Float64 │ Float64 │
├─────┼─────────────────────┼─────────┼─────────┼─────────┼─────────┤
│ 1 │ 2020-08-10T00:00:00 │ 507.28 │ 181.34 │ 1532.96 │ 183.16 │
│ 2 │ 2020-08-10T00:01:00 │ 507.29 │ 181.34 │ 1532.95 │ 183.16 │
│ 3 │ 2020-08-10T00:02:00 │ 507.27 │ 181.34 │ 1532.94 │ 183.16 │
│ 4 │ 2020-08-10T00:03:00 │ 507.28 │ 181.34 │ 1532.97 │ 183.16 │
│ 5 │ 2020-08-10T00:04:00 │ 507.29 │ 181.33 │ 1532.97 │ 183.16 │
│ 6 │ 2020-08-10T00:05:00 │ 507.29 │ 181.33 │ 1532.96 │ 183.16 │
│ 7 │ 2020-08-10T00:06:00 │ 507.27 │ 181.33 │ 1532.95 │ 183.16 │
│ 8 │ 2020-08-10T00:07:00 │ 507.28 │ 181.33 │ 1532.96 │ 183.16 │
│ 9 │ 2020-08-10T00:08:00 │ 507.27 │ 181.33 │ 1532.95 │ 183.16 │
│ 10 │ 2020-08-10T00:09:00 │ 507.28 │ 181.32 │ 1532.96 │ 183.16 │
ERROR: LoadError: Cannot convert DataFrame to series data for plotting
ERROR: LoadError: MethodError: no method matching Array(::Type{String}, ::Int64)
这是我的csv的一个小片段,以防你想尝试一下
Date,Col1,Col2,Col3,Col4
10/8/2020 0:00,507.28,181.34,1532.96,183.16
10/8/2020 0:01,507.29,181.34,1532.95,183.16
10/8/2020 0:02,507.27,181.34,1532.94,183.16
10/8/2020 0:03,507.28,181.34,1532.97,183.16
10/8/2020 0:04,507.29,181.33,1532.97,183.16
10/8/2020 0:05,507.29,181.33,1532.96,183.16
10/8/2020 0:06,507.27,181.33,1532.95,183.16
10/8/2020 0:07,507.28,181.33,1532.96,183.16
10/8/2020 0:08,507.27,181.33,1532.95,183.16
10/8/2020 0:09,507.28,181.32,1532.96,183.16
10/8/2020 0:10,507.29,181.32,1532.97,183.16
10/8/2020 0:11,507.28,181.33,1532.94,183.16
10/8/2020 0:12,507.27,181.33,1532.96,183.16
10/8/2020 0:13,507.31,181.33,1532.96,183.17
我是Julia的新手,非常感谢任何初级指导
编辑:
这里的问题是,绘图渲染为图像。我做了svg,这就是我得到的。不是很吸引人吧?所有高分辨率数据都聚集在一起
一旦它被渲染为图像(TimeSeries.jl所做的与使用plotly或gladfly(或whetver其他后端引擎)打印相反),那么我就失去了放大打印的能力
只要它是高分辨率的,而不是作为一个图像渲染,我很好,无论它是阴谋或gladfly或其他
是的,这些罐子很长。如果这没用,那就忽略我的代码吧。在文章的最后,我提供了一个简短的csv,如果有人不介意的话,告诉我应该如何正确地完成它。又来了
Date,Col1,Col2,Col3,Col4
10/8/2020 0:00,507.28,181.34,1532.96,183.16
10/8/2020 0:01,507.29,181.34,1532.95,183.16
10/8/2020 0:02,507.27,181.34,1532.94,183.16
10/8/2020 0:03,507.28,181.34,1532.97,183.16
10/8/2020 0:04,507.29,181.33,1532.97,183.16
10/8/2020 0:05,507.29,181.33,1532.96,183.16
10/8/2020 0:06,507.27,181.33,1532.95,183.16
10/8/2020 0:07,507.28,181.33,1532.96,183.16
10/8/2020 0:08,507.27,181.33,1532.95,183.16
10/8/2020 0:09,507.28,181.32,1532.96,183.16
10/8/2020 0:10,507.29,181.32,1532.97,183.16
10/8/2020 0:11,507.28,181.33,1532.94,183.16
10/8/2020 0:12,507.27,181.33,1532.96,183.16
10/8/2020 0:13,507.31,181.33,1532.96,183.17
这个似乎管用
显然,如果它在字符串中,它仍然可以工作。不知道我昨天为什么不试试这个
myfile="test2.csv"
dmft = dateformat"d/m/yyyy HH:MM:SS"
df = DataFrame(CSV.File(joinpath(@__DIR__,myfile)))
println(first(df,10))
using Gadfly
display(plot(df2, x="Date", y="Col3", Guide.xticks(label=false), Geom.line, Theme(grid_line_width=0mm)))
我试过plotly,效果更好。我通过一个帖子进入兔子洞,上面写着日期时间必须在字符串中。事实并非如此
using IterableTables
using DataFrames
using CSV
using Dates
using Plots
myfile="test2.csv"
dmft = dateformat"d/m/yyyy HH:MM:SS"
df = DataFrame(CSV.File(joinpath(@__DIR__,myfile); dateformat=dmft))
println(first(df,10))
df2 = filter(row -> row[:Date] <= Dates.DateTime("2020-10-15T00:06:00"), df)
plotly()
using StatsPlots
@df df plot(:Date, :Col3)
使用IterableTables
使用数据帧
使用CSV
使用日期
使用绘图
myfile=“test2.csv”
dmft=日期格式“d/m/yyyy HH:MM:SS”
df=DataFrame(CSV.File(joinpath(@_-DIR,myfile);dateformat=dmft))
println(第一(df,10))
df2=filter(row->row[:Date]这是一个很有技巧的解决方法,但是您可以不使用display
而将其保存为svg格式,然后在支持svg的web浏览器或图像查看器中打开图像
应该可以。我使用GR
后端来绘图
。不确定Gadfly
是否支持矢量图形。谢谢Colin。我正在尝试避免将其作为图像渲染为高分辨率数据(每分钟)乱七八糟。我已经编辑了我的帖子。似乎我没有清楚地传达问题所在。所以让我再试一次。问题是,绘图被渲染为图像。这似乎是TimeSeries.jl的默认设置。然后,我将取决于图像的分辨率,该分辨率至少需要满足(60 x 24=3600)每天的数据点,通常更多。在“我想实现什么”一节中,我可以成功地绘制一个不是图像的绘图,然后可以放大到每分钟的数据。但是,我不知道如何处理我的数据,我在文章的最后分享了csv。你试过使用plotlyjs()吗
作为后端?只需在代码开头添加plotlyjs()
。否则您也可以尝试另一个后端,它们列在这里:@Oskar感谢链接!Plotly目前为止对我最有效!