Python 具有多个系列的Seaborn时间序列图
我正试图用seaborn从一个有多个序列的数据帧绘制一个时间序列图 从本帖: 我推测tsplot不会起作用,因为它是用来描绘不确定性的 那么,是否还有另一种适用于多系列折线图的Seaborn方法 我的数据框如下所示:Python 具有多个系列的Seaborn时间序列图,python,pandas,plot,dataframe,seaborn,Python,Pandas,Plot,Dataframe,Seaborn,我正试图用seaborn从一个有多个序列的数据帧绘制一个时间序列图 从本帖: 我推测tsplot不会起作用,因为它是用来描绘不确定性的 那么,是否还有另一种适用于多系列折线图的Seaborn方法 我的数据框如下所示: print(df.info()) print(df.describe()) print(df.values) print(df.index) 输出: <class 'pandas.core.frame.DataFrame'> DatetimeIndex: 253 e
print(df.info())
print(df.describe())
print(df.values)
print(df.index)
输出:
<class 'pandas.core.frame.DataFrame'>
DatetimeIndex: 253 entries, 2013-01-03 to 2014-01-03
Data columns (total 5 columns):
Equity(24 [AAPL]) 253 non-null float64
Equity(3766 [IBM]) 253 non-null float64
Equity(5061 [MSFT]) 253 non-null float64
Equity(6683 [SBUX]) 253 non-null float64
Equity(8554 [SPY]) 253 non-null float64
dtypes: float64(5)
memory usage: 11.9 KB
None
Equity(24 [AAPL]) Equity(3766 [IBM]) Equity(5061 [MSFT]) \
count 253.000000 253.000000 253.000000
mean 67.560593 194.075383 32.547436
std 6.435356 11.175226 3.457613
min 55.811000 172.820000 26.480000
25% 62.538000 184.690000 28.680000
50% 65.877000 193.880000 33.030000
75% 72.299000 203.490000 34.990000
max 81.463000 215.780000 38.970000
Equity(6683 [SBUX]) Equity(8554 [SPY])
count 253.000000 253.000000
mean 33.773277 164.690180
std 4.597291 10.038221
min 26.610000 145.540000
25% 29.085000 156.130000
50% 33.650000 165.310000
75% 38.280000 170.310000
max 40.995000 184.560000
[[ 77.484 195.24 27.28 27.685 145.77 ]
[ 75.289 193.989 26.76 27.85 146.38 ]
[ 74.854 193.2 26.71 27.875 145.965]
...,
[ 80.167 187.51 37.43 39.195 184.56 ]
[ 79.034 185.52 37.145 38.595 182.95 ]
[ 77.284 186.66 36.92 38.475 182.8 ]]
DatetimeIndex(['2013-01-03', '2013-01-04', '2013-01-07', '2013-01-08',
'2013-01-09', '2013-01-10', '2013-01-11', '2013-01-14',
'2013-01-15', '2013-01-16',
...
'2013-12-19', '2013-12-20', '2013-12-23', '2013-12-24',
'2013-12-26', '2013-12-27', '2013-12-30', '2013-12-31',
'2014-01-02', '2014-01-03'],
dtype='datetime64[ns]', length=253, freq=None, tz='UTC')
输出:
谢谢你抽出时间
更新1:
df.to_dict()
返回:
更新2:
使用@knagaev示例代码,我将其缩小到以下差异:
当前数据帧(打印输出(当前测向)):
所需数据帧(打印输出(所需测向)):
将当前_df
重组为所需_df
的最佳方法是什么
更新3:
在@knagaev的帮助下,我终于成功了:
我必须添加一个虚拟列,并对索引进行精细化处理:
df['Datetime'] = df.index
melted_df = pd.melt(df, id_vars='Datetime', var_name='Security', value_name='Price')
melted_df['Dummy'] = 0
sns.tsplot(melted_df, time='Datetime', unit='Dummy', condition='Security', value='Price', ax=ax)
制作:
你可以试着用它弄脏手 您将绘制带有标准错误的折线图(“统计添加”) 我试图模拟你的数据集。下面是结果
import pandas.io.data as web
from datetime import datetime
import seaborn as sns
stocks = ['ORCL', 'TSLA', 'IBM','YELP', 'MSFT']
start = datetime(2014,1,1)
end = datetime(2014,3,28)
f = web.DataReader(stocks, 'yahoo',start,end)
df = pd.DataFrame(f.to_frame().stack()).reset_index()
df.columns = ['Date', 'Company', 'Kind', 'Price']
sns.tsplot(df, time='Date', unit='Kind', condition='Company', value='Price')
顺便说一下,这个样品很像。参数“unit”是“数据帧中标识采样单位(例如,受试者、神经元等)的字段。错误表示将在每次时间/条件观察时在单位上崩溃。”(来自文档)。因此,我使用“种类”字段进行说明
好的,我为您的数据帧做了一个示例。
它具有用于“噪音清理”的虚拟字段:
另外,感谢@VanPeer-现在您可以使用它来解决此问题
seaborn
通常不会复制matplotlib或pandas中可用的功能。您有什么特别的事情要做吗?您能将df.的输出发布到\u csv()
或df.到\u dict()
-这样我们就可以轻松地重新创建您的df?Seaborn是一个用于绘制特殊统计数字的高级库-统计工具输出的可视化。使用它绘制简单的线图,比如使用一些C++高级库(STL)来进行指针操作。@ AL在TSPLAG使用中遇到了麻烦——TSPLOT(类似于SabBun中的其他图表)期望一个时间点的值超过一个值。它将它们聚合在一起,这就是为什么对于每个“条件”,您会得到一行和一条带标准错误的条纹。但是数据帧中的每个时间点只有一个值。好吗?请看我更新的答案-我使用虚拟列来绘制“一个值”数据框。链接是deprecated@VanPeer是的,你说得对,tsplot已被弃用。而不是使用seaborn.lineplot
Date Company Kind Price
0 2014-01-02 IBM Open 187.210007
1 2014-01-02 IBM High 187.399994
2 2014-01-02 IBM Low 185.199997
3 2014-01-02 IBM Close 185.529999
4 2014-01-02 IBM Volume 4546500.000000
5 2014-01-02 IBM Adj Close 171.971090
6 2014-01-02 MSFT Open 37.349998
7 2014-01-02 MSFT High 37.400002
8 2014-01-02 MSFT Low 37.099998
9 2014-01-02 MSFT Close 37.160000
10 2014-01-02 MSFT Volume 30632200.000000
11 2014-01-02 MSFT Adj Close 34.960000
12 2014-01-02 ORCL Open 37.779999
13 2014-01-02 ORCL High 38.029999
14 2014-01-02 ORCL Low 37.549999
15 2014-01-02 ORCL Close 37.840000
16 2014-01-02 ORCL Volume 18162100.000000
df['Datetime'] = df.index
melted_df = pd.melt(df, id_vars='Datetime', var_name='Security', value_name='Price')
melted_df['Dummy'] = 0
sns.tsplot(melted_df, time='Datetime', unit='Dummy', condition='Security', value='Price', ax=ax)
import pandas.io.data as web
from datetime import datetime
import seaborn as sns
stocks = ['ORCL', 'TSLA', 'IBM','YELP', 'MSFT']
start = datetime(2014,1,1)
end = datetime(2014,3,28)
f = web.DataReader(stocks, 'yahoo',start,end)
df = pd.DataFrame(f.to_frame().stack()).reset_index()
df.columns = ['Date', 'Company', 'Kind', 'Price']
sns.tsplot(df, time='Date', unit='Kind', condition='Company', value='Price')
import pandas.io.data as web
from datetime import datetime
import seaborn as sns
stocks = ['ORCL', 'TSLA', 'IBM','YELP', 'MSFT']
start = datetime(2010,1,1)
end = datetime(2015,12,31)
f = web.DataReader(stocks, 'yahoo',start,end)
df = pd.DataFrame(f.to_frame().stack()).reset_index()
df.columns = ['Date', 'Company', 'Kind', 'Price']
df_open = df[df['Kind'] == 'Open'].copy()
df_open['Dummy'] = 0
sns.tsplot(df_open, time='Date', unit='Dummy', condition='Company', value='Price')