Python中怎么實(shí)現時(shí)間序列可視化

Python中怎么實(shí)現時(shí)間序列可視化，相信很多沒(méi)有經(jīng)驗的人對此束手無(wú)策，為此本文總結了問(wèn)題出現的原因和解決方法，通過(guò)這篇文章希望你能解決這個(gè)問(wèn)題。

1.單個(gè)時(shí)間序列

首先，我們從tushare.pro獲取指數日線(xiàn)行情數據，并查看數據類(lèi)型。

import tushare as ts  import pandas as pd  pd.set_option('expand_frame_repr', False)  # 顯示所有列  ts.set_token('your token')  pro = ts.pro_api()  df = pro.index_daily(ts_code='399300.SZ')[['trade_date', 'close']]  df.sort_values('trade_date', inplace=True)   df.reset_index(inplace=True, drop=True)  print(df.head())    trade_date    close  0   20050104  982.794  1   20050105  992.564  2   20050106  983.174  3   20050107  983.958  4   20050110  993.879  print(df.dtypes)  trade_date     object  close         float64  dtype: object

交易時(shí)間列'trade_date' 不是時(shí)間類(lèi)型，而且也不是索引，需要先進(jìn)行轉化。

df['trade_date'] = pd.to_datetime(df['trade_date'])  df.set_index('trade_date', inplace=True)  print(df.head())                close  trade_date           2005-01-04  982.794  2005-01-05  992.564  2005-01-06  983.174  2005-01-07  983.958  2005-01-10  993.879

接下來(lái)，就可以開(kāi)始畫(huà)圖了，我們需要導入matplotlib.pyplot【2】，然后通過(guò)設置set_xlabel()和set_xlabel()為x軸和y軸添加標簽。

import matplotlib.pyplot as plt  ax = df.plot(color='')  ax.set_xlabel('trade_date')  ax.set_ylabel('399300.SZ close')  plt.show()

matplotlib庫中有很多內置圖表樣式可以選擇，通過(guò)打印plt.style.available查看具體都有哪些選項，應用的時(shí)候直接調用plt.style.use('fivethirtyeight')即可。

print(plt.style.available)  ['bmh', 'classic', 'dark_background', 'fast', 'fivethirtyeight', 'ggplot', 'grayscale', 'seaborn-bright', 'seaborn-colorblind', 'seaborn-dark-palette', 'seaborn-dark', 'seaborn-darkgrid', 'seaborn-deep', 'seaborn-muted', 'seaborn-notebook', 'seaborn-paper', 'seaborn-pastel', 'seaborn-poster', 'seaborn-talk', 'seaborn-ticks', 'seaborn-white', 'seaborn-whitegrid', 'seaborn', 'Solarize_Light2', 'tableau-colorblind10', '_classic_test']  plt.style.use('fivethirtyeight')  ax1 = df.plot()  ax1.set_title('FiveThirtyEight Style')  plt.show()

2.設置更多細節

上面畫(huà)出的是一個(gè)很簡(jiǎn)單的折線(xiàn)圖，其實(shí)可以在plot()里面通過(guò)設置不同參數的值，為圖添加更多細節，使其更美觀(guān)、清晰。

figsize(width, height)設置圖的大小，linewidth設置線(xiàn)的寬度，fontsize設置字體大小。然后，調用set_title()方法設置標題。

ax = df.plot(color='blue', figsize=(8, 3), linewidth=2, fontsize=6)  ax.set_title('399300.SZ close from 2005-01-04 to 2019-07-04', fontsize=8)  plt.show()

如果想要看某一個(gè)子時(shí)間段內的折線(xiàn)變化情況，可以直接截取該時(shí)間段再作圖即可，如df['2018-01-01': '2019-01-01']

dfdf_subset_1 = df['2018-01-01':'2019-01-01']  ax = df_subset_1.plot(color='blue', fontsize=10)  plt.show()

如果想要突出圖中的某一日期或者觀(guān)察值，可以調用.axvline()和.axhline()方法添加垂直和水平參考線(xiàn)。

ax = df.plot(color='blue', fontsize=6)  ax.axvline('2019-01-01', color='red', linestyle='--')  ax.axhline(3000, color='green', linestyle='--')  plt.show()

也可以調用axvspan()的方法為一段時(shí)間添加陰影標注，其中alpha參數設置的是陰影的透明度，0代表完全透明，1代表全色。

ax = df.plot(color='blue', fontsize=6)  ax.axvspan('2018-01-01', '2019-01-01', color='red', alpha=0.3)  ax.axhspan(2000, 3000, color='green', alpha=0.7)  plt.show()

3.移動(dòng)平均時(shí)間序列

有時(shí)候，我們想要觀(guān)察某個(gè)窗口期的移動(dòng)平均值的變化趨勢，可以通過(guò)調用窗口函數rolling來(lái)實(shí)現。下面實(shí)例中顯示的是，以250天為窗口期的移動(dòng)平均線(xiàn)close，以及與移動(dòng)標準差的關(guān)系構建的上下兩個(gè)通道線(xiàn)upper和lower。

ma = df.rolling(window=250).mean()  mstd = df.rolling(window=250).std()  ma['upper'] = ma['close'] + (mstd['close'] * 2)  ma['lower'] = ma['close'] - (mstd['close'] * 2)  ax = ma.plot(linewidth=0.8, fontsize=6)  ax.set_xlabel('trade_date', fontsize=8)  ax.set_ylabel('399300.SZ close from 2005-01-04 to 2019-07-04', fontsize=8)  ax.set_title('Rolling mean and variance of 399300.SZ cloe from 2005-01-04 to 2019-07-04', fontsize=10)  plt.show()

4.多個(gè)時(shí)間序列

如果想要可視化多個(gè)時(shí)間序列數據，同樣可以直接調用plot()方法。示例中我們從tushare.pro上面選取三只股票的日線(xiàn)行情數據進(jìn)行分析。

# 獲取數據  code_list = ['000001.SZ', '000002.SZ', '600000.SH']  data_list = []  for code in code_list:      print(code)      df = pro.daily(ts_code=code, start_date='20180101', end_date='20190101')[['trade_date', 'close']]      df.sort_values('trade_date', inplace=True)      df.rename(columns={'close': code}, inplace=True)      df.set_index('trade_date', inplace=True)      data_list.append(df)  df = pd.concat(data_list, axis=1)  print(df.head())  000001.SZ  000002.SZ  600000.SH              000001.SZ  000002.SZ  600000.SH  trade_date                                   20180102        13.70      32.56      12.72  20180103        13.33      32.33      12.66  20180104        13.25      33.12      12.66  20180105        13.30      34.76      12.69  20180108        12.96      35.99      12.68  # 畫(huà)圖  ax = df.plot(linewidth=2, fontsize=12)  ax.set_xlabel('trade_date')  ax.legend(fontsize=15)  plt.show()

調用.plot.area()方法可以生成時(shí)間序列數據的面積圖，顯示累計的總數。

ax = df.plot.area(fontsize=12)  ax.set_xlabel('trade_date')  ax.legend(fontsize=15)  plt.show()

如果想要在不同子圖中單獨顯示每一個(gè)時(shí)間序列，可以通過(guò)設置參數subplots=True來(lái)實(shí)現。layout指定要使用的行列數，sharex和sharey用于設置是否共享行和列，colormap='viridis' 為每條線(xiàn)設置不同的顏色。

df.plot(subplots=True,            layout=(2, 2),            sharex=False,            sharey=False,            colormap='viridis',            fontsize=7,            legend=False,            linewidth=0.3)  plt.show()