Python 时间序列的简单tsplot

我有以下数据帧：

    Date    group   count
0   2015-01-12 Category1    27
1   2015-01-19 Category1    2
2   2015-01-26 Category1    31
3   2015-02-02 Category1    20
4   2015-02-09 Category1    24
5   2015-02-16 Category1    16
6   2015-02-23 Category1    18
7   2015-03-02 Category1    15
8   2015-03-09 Category1    29
9   2015-03-16 Category1    6
10  2015-03-23 Category1    19
11  2015-03-30 Category1    27
12  2015-04-06 Category1    6
13  2015-04-07 Category1    7
14  2015-04-13 Category1    25
15  2015-04-20 Category1    9

我想使用seaborn绘制一个简单的timeseries。只是Y轴上的计数折线图，X轴上有日期，例如：

我想它会很简单：

sns.tsplot（data=df，time=df['Date']，value=df['count']）

或

sns.tsplot（data=df，time='Date'，value='count'）

，根据文档，我无法得到这行简单的代码。数据类型似乎很好，但我在这里遗漏了什么

#df.dtypes
Date     datetime64[ns]
group            object
count             int64

---

旁注，有人知道为什么要使用

tsplot（）

？（除了文档中模糊的定义之外）

我想

tsplot

是不受欢迎的，因为人们倾向于认为它对绘制时间序列很有用——事实并非如此。当然，您可以使用它，例如，请参阅，但我建议只将数据绘制为线图：

ax = df.plot(x="Date", y="count")
ax.figure.autofmt_xdate()

---

但是请注意，@ImportanceOfBeingErnest的答案更合适

我也得出了使用

matplotlib

代替的结论。我用

tnsplot

挣扎了一个小时左右。这里有没有办法使用

tnsplot

或者没有？（因此遭到反对）嗯，我想有办法让草莓派尝起来像苹果派，但你为什么要这么做呢？苹果更便宜，所以就用苹果吧。除非你给我一个明确的动机，说明为什么使用

tsplot

比仅仅用

plot

绘制数据帧更可取，否则我认为在这个方向上花费任何努力都是不值得的。一个这样的动机是，用户希望有信心区间。哈哈，我喜欢这个评论，并同意。“明确的动机”纯粹是为了回答这个问题，如果可能的话，可以使用

tsplot

。我猜这个回答回答了我的问题，答案是否定的-这样更好这样不会返回预期的输出。你这边是什么样子的？

import seaborn as sns
sns.tsplot(data=pd.Series([10,15,20,15,20,25,20,25,30,35,30,35,40,45]), color="b")