Vẽ chuỗi thời gian Python

Khung dữ liệu gấu trúc. plot[] được sử dụng để tạo biểu đồ chuỗi thời gian hoặc biểu đồ đường từ DataFrame. Trong dữ liệu chuỗi thời gian, các giá trị được đo tại các thời điểm khác nhau. Một số chuỗi thời gian được đặt cách đều nhau ở một tần suất cụ thể, ví dụ: phép đo nhiệt độ hàng giờ, lượng truy cập trang web hàng ngày, số lượng dân số hàng năm e. t. c

Chuỗi thời gian cũng có thể cách đều nhau, ví dụ: các sự kiện trong tệp nhật ký hoặc lịch sử các cuộc gọi khẩn cấp 911. Trong bài viết này, tôi sẽ giải thích khái niệm về chuỗi thời gian và cách vẽ biểu đồ chuỗi thời gian từ DataFrame của gấu trúc đã cho

1. Ví dụ nhanh về biểu đồ chuỗi thời gian

Sau đây là các ví dụ nhanh về cách tạo biểu đồ chuỗi thời gian

# Below are quick examples 

# Example 1: Create DataFrame 
seattle_temps = data.seattle_temps[]

# Example 2: Get the min & max temparatures
df = seattle_temps.groupby['date'].agg[['min','max']]

# Example 3: Get the single line plot
df['min'].plot[]

# Example 4: create timeseries plot
df.plot[x="date", y="min"]
plt.xlabel["Date",  size = 20]
plt.ylabel["Minimum Temperature", size = 20]
plt.title["Minimum temperature of Seattle", size = 25]

# Example 5: Line plot of DataFrame
df.plot[]
plt.xlabel["Index", size = 20]
plt.ylabel["Temp", size = 20]
plt.title["Minimum temperature of Seattle", size = 25]

# Example 6: Timeseries plot of DataFrame
df.set_index['date'].plot[rot=60]
plt.xlabel["Date", size = 20]
plt.ylabel["Temp", size = 20]
plt.title["Minimum temperature of Seattle", size = 25] 

2. Cú pháp của Pandas plot[]

Sau đây là cú pháp của hàm plot[] mà tôi sẽ sử dụng để tạo biểu đồ chuỗi thời gian

# Syntax of plot[]
DataFrame.plot[*args, **kwargs]

2. 1 Các tham số của hàm plot[]

Sau đây là các tham số của hàm plot[]

# Syntax of plot[]
DataFrame.plot[*args, **kwargs]

6. Sê-ri hoặc Khung dữ liệu

# Syntax of plot[]
DataFrame.plot[*args, **kwargs]

7 nhãn hoặc vị trí, mặc định Không có. Chỉ được sử dụng nếu dữ liệu là DataFrame

# Syntax of plot[]
DataFrame.plot[*args, **kwargs]

8 nhãn, vị trí hoặc danh sách nhãn, vị trí, mặc định Không có. Nó cho phép vẽ nhiều cột. Chỉ được sử dụng nếu dữ liệu là DataFrame

# Syntax of plot[]
DataFrame.plot[*args, **kwargs]

9 đường

Các loại cốt truyện để sản xuất

• Biểu đồ dòng

  
  # Import weather dataset
  import pandas as pd
  import numpy as np
  from vega_datasets import data
  import matplotlib.pyplot as plt
  
  # Load seattle temperature data
  seattle_temps = data.seattle_temps[]
  print[seattle_temps.shape]
  print[seattle_temps.head[]]
  print[seattle_temps.tail[]]
  

  0 [mặc định]

• 
  # Import weather dataset
  import pandas as pd
  import numpy as np
  from vega_datasets import data
  import matplotlib.pyplot as plt
  
  # Load seattle temperature data
  seattle_temps = data.seattle_temps[]
  print[seattle_temps.shape]
  print[seattle_temps.head[]]
  print[seattle_temps.tail[]]
  

  1 biểu đồ thanh dọc

• 
  # Import weather dataset
  import pandas as pd
  import numpy as np
  from vega_datasets import data
  import matplotlib.pyplot as plt
  
  # Load seattle temperature data
  seattle_temps = data.seattle_temps[]
  print[seattle_temps.shape]
  print[seattle_temps.head[]]
  print[seattle_temps.tail[]]
  

  2 biểu đồ thanh ngang
• biểu đồ

  
  # Import weather dataset
  import pandas as pd
  import numpy as np
  from vega_datasets import data
  import matplotlib.pyplot as plt
  
  # Load seattle temperature data
  seattle_temps = data.seattle_temps[]
  print[seattle_temps.shape]
  print[seattle_temps.head[]]
  print[seattle_temps.tail[]]
  

  3

• 
  # Import weather dataset
  import pandas as pd
  import numpy as np
  from vega_datasets import data
  import matplotlib.pyplot as plt
  
  # Load seattle temperature data
  seattle_temps = data.seattle_temps[]
  print[seattle_temps.shape]
  print[seattle_temps.head[]]
  print[seattle_temps.tail[]]
  

  4 ô vuông

• 
  # Import weather dataset
  import pandas as pd
  import numpy as np
  from vega_datasets import data
  import matplotlib.pyplot as plt
  
  # Load seattle temperature data
  seattle_temps = data.seattle_temps[]
  print[seattle_temps.shape]
  print[seattle_temps.head[]]
  print[seattle_temps.tail[]]
  

  5 Biểu đồ ước tính mật độ hạt nhân

• 
  # Import weather dataset
  import pandas as pd
  import numpy as np
  from vega_datasets import data
  import matplotlib.pyplot as plt
  
  # Load seattle temperature data
  seattle_temps = data.seattle_temps[]
  print[seattle_temps.shape]
  print[seattle_temps.head[]]
  print[seattle_temps.tail[]]
  

  6 giống như ‘kde’

• 
  # Import weather dataset
  import pandas as pd
  import numpy as np
  from vega_datasets import data
  import matplotlib.pyplot as plt
  
  # Load seattle temperature data
  seattle_temps = data.seattle_temps[]
  print[seattle_temps.shape]
  print[seattle_temps.head[]]
  print[seattle_temps.tail[]]
  

  7 lô đất

• 
  # Import weather dataset
  import pandas as pd
  import numpy as np
  from vega_datasets import data
  import matplotlib.pyplot as plt
  
  # Load seattle temperature data
  seattle_temps = data.seattle_temps[]
  print[seattle_temps.shape]
  print[seattle_temps.head[]]
  print[seattle_temps.tail[]]
  

  8 lô bánh
• Biểu đồ phân tán

  
  # Import weather dataset
  import pandas as pd
  import numpy as np
  from vega_datasets import data
  import matplotlib.pyplot as plt
  
  # Load seattle temperature data
  seattle_temps = data.seattle_temps[]
  print[seattle_temps.shape]
  print[seattle_temps.head[]]
  print[seattle_temps.tail[]]
  

  9 [chỉ DataFrame]
• Biểu đồ hexbin

  
  # Syntax of plot[]
  DataFrame.plot[*args, **kwargs]
  

  60 [chỉ DataFrame]

• 
  # Syntax of plot[]
  DataFrame.plot[*args, **kwargs]
  

  61 Các tùy chọn để chuyển sang phương pháp vẽ đồ thị matplotlib

2. 2 Giá trị trả về

Nó trả về

# Syntax of plot[]
DataFrame.plot[*args, **kwargs]

62 hoặc numpy. ndarray của họ

3. Cách sử dụng chức năng Plot[]

Thư viện Python Pandas chủ yếu tập trung vào phân tích dữ liệu và nó không chỉ là thư viện trực quan hóa dữ liệu mà còn sử dụng thư viện này, chúng ta có thể tạo các biểu đồ cơ bản. Khi chúng tôi muốn tạo các biểu đồ phân tích dữ liệu khám phá, gấu trúc rất hữu ích và thiết thực. Nó cung cấp plot[] và một số hàm bao bọc khác để trực quan hóa dữ liệu của chúng tôi. Hãy sử dụng hàm pandas

# Syntax of plot[]
DataFrame.plot[*args, **kwargs]

63 này để tạo biểu đồ chuỗi thời gian

Ở đây tôi đã lấy dữ liệu thời tiết của thành phố

# Syntax of plot[]
DataFrame.plot[*args, **kwargs]

64 từ

# Syntax of plot[]
DataFrame.plot[*args, **kwargs]

65 và sử dụng gấu trúc, tôi sẽ vẽ biểu đồ chuỗi thời gian hoặc biểu đồ đường của tập dữ liệu đã cho

Để truy cập các bộ dữ liệu này từ Python, bạn có thể sử dụng gói python bộ dữ liệu Vega

Hãy nhập dữ liệu thời tiết của thành phố Seattle, Ở đây các cột là

# Syntax of plot[]
DataFrame.plot[*args, **kwargs]

66 và

# Syntax of plot[]
DataFrame.plot[*args, **kwargs]

67. Cột ngày có dạng

# Syntax of plot[]
DataFrame.plot[*args, **kwargs]

68

# Import weather dataset
import pandas as pd
import numpy as np
from vega_datasets import data
import matplotlib.pyplot as plt

# Load seattle temperature data
seattle_temps = data.seattle_temps[]
print[seattle_temps.shape]
print[seattle_temps.head[]]
print[seattle_temps.tail[]]

Sản lượng dưới sản lượng

# Syntax of plot[]
DataFrame.plot[*args, **kwargs]

6

4. Tạo biểu đồ dòng mẫu

Bằng cách sử dụng dữ liệu thời tiết của Seattle, hãy tạo một biểu đồ đơn giản bằng cách sử dụng trực tiếp hàm

# Syntax of plot[]
DataFrame.plot[*args, **kwargs]

63 bằng cách sử dụng cột

# Syntax of plot[]
DataFrame.plot[*args, **kwargs]

67

# Syntax of plot[]
DataFrame.plot[*args, **kwargs]

9

Sản lượng dưới sản lượng

Biểu đồ đường nhiệt độ

Như bạn có thể thấy ở trên, chúng tôi đã có một biểu đồ đường với tất cả dữ liệu, ở đây dải hiển thị nhiệt độ tối thiểu và tối đa cho mọi dữ liệu. Đối với mỗi giờ, dữ liệu nhiệt độ thay đổi trong một ngày. Ngoài ra, chúng ta có thể quan sát các chỉ số của DataFrame trên trục x, không phải cột ngày

5. Chuẩn bị dữ liệu với chuỗi thời gian

Hãy đặt cột ngày làm chỉ mục để chúng ta có thể tạo các biểu đồ đường với một điểm dữ liệu cho mỗi ngày. Để làm như vậy, hãy loại bỏ phần thời gian của cột ngày giờ

# Syntax of plot[]
DataFrame.plot[*args, **kwargs]

0

Sản lượng dưới sản lượng

# Syntax of plot[]
DataFrame.plot[*args, **kwargs]

1

Chúng ta cũng hãy lấy nhiệt độ tối thiểu và tối đa cho mỗi ngày bằng cách sử dụng chức năng Pandas groupby[] cùng với chức năng pandas agg[]

# Syntax of plot[]
DataFrame.plot[*args, **kwargs]

2

Sản lượng dưới sản lượng

# Syntax of plot[]
DataFrame.plot[*args, **kwargs]

3

Sử dụng pd. droplevel[] chúng ta có thể bỏ chỉ mục cột đa cấp, ở đây tôi có thể bỏ chỉ mục

# Syntax of plot[]
DataFrame.plot[*args, **kwargs]

91 của một DataFrame nhất định để tạo một Dataframe phẳng. Sau đó, đặt lại chỉ mục bằng hàm reset_index[]

# Syntax of plot[]
DataFrame.plot[*args, **kwargs]

5

Sản lượng dưới sản lượng

# Syntax of plot[]
DataFrame.plot[*args, **kwargs]

0

6. Tạo một biểu đồ một dòng

Bằng cách sử dụng khung dữ liệu được tạo ở trên, hãy vẽ biểu đồ nhiệt độ

# Syntax of plot[]
DataFrame.plot[*args, **kwargs]

92 qua các ngày khác nhau

# Syntax of plot[]
DataFrame.plot[*args, **kwargs]

1

Nhiệt độ tối thiểu của Line Plot với Pandas

7. Tạo cốt truyện Chuỗi thời gian trong Pandas

Hãy tạo biểu đồ chuỗi thời gian với tối thiểu

# Syntax of plot[]
DataFrame.plot[*args, **kwargs]

93 trên

# Syntax of plot[]
DataFrame.plot[*args, **kwargs]

94 và

# Syntax of plot[]
DataFrame.plot[*args, **kwargs]

66 trên

# Syntax of plot[]
DataFrame.plot[*args, **kwargs]

96 bằng cách sử dụng hàm plot[] trực tiếp trên DataFrame. Sử dụng

# Syntax of plot[]
DataFrame.plot[*args, **kwargs]

97, chúng tôi có thể cung cấp nhãn của trục và tiêu đề của ô. Ví dụ,

# Syntax of plot[]
DataFrame.plot[*args, **kwargs]

2

Nhiệt độ tối thiểu của Line Plot với Pandas

8. Tùy chỉnh chuỗi thời gian

Chúng ta có thể tùy chỉnh các ô bằng cách sử dụng bất kỳ đối số từ khóa nào chuyển vào hàm plot[]. Từ khóa

# Syntax of plot[]
DataFrame.plot[*args, **kwargs]

98 cho phép xoay các dấu trên trục x để vẽ sơ đồ ngang và trục y để vẽ sơ đồ dọc, từ khóa ____299 cho phép đặt kích thước phông chữ cho nhãn của các điểm trục và tiêu đề của các ô và đối số từ khóa

# Syntax of plot[]
DataFrame.plot[*args, **kwargs]

00 cho phép chọn khác nhau

Ở đây mình dùng từ khóa

# Syntax of plot[]
DataFrame.plot[*args, **kwargs]

98 vào hàm plot[] nó sẽ xoay phần đánh dấu của trục x theo chiều ngang

# Syntax of plot[]
DataFrame.plot[*args, **kwargs]

3

Nhiệt độ tối thiểu của chuỗi thời gian Âm mưu với gấu trúc

9. Tạo một Line Plot mặc định bằng DataFrame

Ở đây, tôi sẽ tạo một biểu đồ đường của DataFrame đã cho bằng cách sử dụng hàm plot[], nó sẽ lấy các chỉ số mặc định trên trục x và các cột tối thiểu và tối đa trên trục y. Cuối cùng, nó sẽ trả về biểu đồ đường đôi

# Syntax of plot[]
DataFrame.plot[*args, **kwargs]

4

Line Plot của nhiệt độ sử dụng Pandas

Bây giờ, chúng ta có thể đặt cột

# Syntax of plot[]
DataFrame.plot[*args, **kwargs]

66 trên

# Syntax of plot[]
DataFrame.plot[*args, **kwargs]

96 và tạo biểu đồ chuỗi thời gian. Vì, chúng ta cần đặt lại chỉ mục của khung dữ liệu bằng biến ngày của mình và sau đó, áp dụng hàm plot[], nó sẽ trả về chuỗi thời gian của DataFrame đã cho

# Syntax of plot[]
DataFrame.plot[*args, **kwargs]

5

Timeseries Âm mưu nhiệt độ sử dụng Pandas

10. Phần kết luận

Trong bài viết này, tôi đã giải thích khái niệm về biểu đồ chuỗi thời gian và bằng cách sử dụng hàm plot[] cách vẽ biểu đồ chuỗi thời gian DataFrame. Cũng giải thích cách chúng tôi có thể tùy chỉnh biểu đồ chuỗi thời gian và biểu đồ đường bằng cách sử dụng các tham số tùy chọn

Làm cách nào để vẽ dữ liệu thời gian trong Python?

Làm cách nào để vẽ dữ liệu chuỗi thời gian trong gấu trúc?

Matplotlib có thể vẽ biểu đồ thời gian thực bằng Python không?