使用seaborn绘制时间序列数据
假设我用下面的代码创建了一个完全随机的 Dataframe：
from pandas.util import testing
from random import randrange
def random_date(start, end):
delta = end - start
int_delta = (delta.days * 24 * 60 * 60) + delta.seconds
random_second = randrange(int_delta)
return start + timedelta(seconds=random_second)
def rand_dataframe():
df = testing.makeDataFrame()
df['date'] = [random_date(datetime.date(2014,3,18),datetime.date(2014,4,1)) for x in xrange(df.shape[0])]
df.sort(columns=['date'], inplace=True)
return df
df = rand_dataframe()
这段代码的结果是帖子底部显示的那个数据表。我想用 seaborn 的时间序列可视化功能来绘制我的列 A、B、C 和 D，希望能得到类似下面这样的图：
我该如何解决这个问题呢？根据我在 这个笔记本上看到的信息，调用的方式应该是：
sns.tsplot(df, time="time", unit="unit", condition="condition", value="value")
但这似乎要求数据表以不同的方式表示，列需要以某种方式编码 时间、单位、条件 和 值，而我的情况并不是这样。我该如何将我的数据表（如下所示）转换成这种格式呢？
这是我的数据表：
date A B C D
2014-03-18 1.223777 0.356887 1.201624 1.968612
2014-03-18 0.160730 1.888415 0.306334 0.203939
2014-03-18 -0.203101 -0.161298 2.426540 0.056791
2014-03-18 -1.350102 0.990093 0.495406 0.036215
2014-03-18 -1.862960 2.673009 -0.545336 -0.925385
2014-03-19 0.238281 0.468102 -0.150869 0.955069
2014-03-20 1.575317 0.811892 0.198165 1.117805
2014-03-20 0.822698 -0.398840 -1.277511 0.811691
2014-03-20 2.143201 -0.827853 -0.989221 1.088297
2014-03-20 0.299331 1.144311 -0.387854 0.209612
2014-03-20 1.284111 -0.470287 -0.172949 -0.792020
2014-03-22 1.031994 1.059394 0.037627 0.101246
2014-03-22 0.889149 0.724618 0.459405 1.023127
2014-03-23 -1.136320 -0.396265 -1.833737 1.478656
2014-03-23 -0.740400 -0.644395 -1.221330 0.321805
2014-03-23 -0.443021 -0.172013 0.020392 -2.368532
2014-03-23 1.063545 0.039607 1.673722 1.707222
2014-03-24 0.865192 -0.036810 -1.162648 0.947431
2014-03-24 -1.671451 0.979238 -0.701093 -1.204192
2014-03-26 -1.903534 -1.550349 0.267547 -0.585541
2014-03-27 2.515671 -0.271228 -1.993744 -0.671797
2014-03-27 1.728133 -0.423410 -0.620908 1.430503
2014-03-28 -1.446037 -0.229452 -0.996486 0.120554
2014-03-28 -0.664443 -0.665207 0.512771 0.066071
2014-03-29 -1.093379 -0.936449 -0.930999 0.389743
2014-03-29 1.205712 -0.356070 -0.595944 0.702238
2014-03-29 -1.069506 0.358093 1.217409 -2.286798
2014-03-29 2.441311 1.391739 -0.838139 0.226026
2014-03-31 1.471447 -0.987615 0.201999 1.228070
2014-03-31 -0.050524 0.539846 0.133359 -0.833252
最后，我想要的是多个图的叠加（每一列一个图），每个图看起来都像这样（注意不同的 CI 值会有不同的 alpha 值）：
1 个回答
37
我觉得 tsplot 可能不适合你手上的数据。它对输入数据有一些假设，主要是你在每个时间点上都测量了相同的单位（虽然某些单位可能会缺少一些时间点的数据）。
举个例子，假设你每天都从同一组人那里测量血压，持续一个月，然后你想根据不同的“条件”（比如他们的饮食）来绘制平均血压的图表。这个时候 tsplot 就可以派上用场，调用的方式大概是 sns.tsplot(df, time="day", unit="person", condition="diet", value="blood_pressure")。
但是，如果你是有一大群人，每个人的饮食不同，然后每天随机从每个组里抽取一些人来测量他们的血压，这种情况就和前面说的不同了。从你给出的例子来看，你的数据结构似乎是这样的。
不过，想办法用 matplotlib 和 pandas 的组合来实现你想要的效果其实并不难：
# Read in the data from the stackoverflow question
df = pd.read_clipboard().iloc[1:]
# Convert it to "long-form" or "tidy" representation
df = pd.melt(df, id_vars=["date"], var_name="condition")
# Plot the average value by condition and date
ax = df.groupby(["condition", "date"]).mean().unstack("condition").plot()
# Get a reference to the x-points corresponding to the dates and the the colors
x = np.arange(len(df.date.unique()))
palette = sns.color_palette()
# Calculate the 25th and 75th percentiles of the data
# and plot a translucent band between them
for cond, cond_df in df.groupby("condition"):
low = cond_df.groupby("date").value.apply(np.percentile, 25)
high = cond_df.groupby("date").value.apply(np.percentile, 75)
ax.fill_between(x, low, high, alpha=.2, color=palette.pop(0))
这段代码会生成：
