在 Seaborn 图中叠加不同年份的 Pandas 时间序列答案

【问题标题】：Superposing Pandas time series from different years in Seaborn plot在 Seaborn 图中叠加不同年份的 Pandas 时间序列
【发布时间】：2017-11-26 01:39:01
【问题描述】：

我有一个 Pandas 数据框，我想探索时间序列的周期性、趋势等。 Here 是数据。

为了可视化它，我想将每年的“子时间序列”叠加在同一个图上（即，对于 01/01/2000、01/01/2001 和 01/01/ 的数据具有相同的 x 坐标） 2002）。

我是否必须转换我的日期列以使每个数据具有相同的年份？

有人知道怎么做吗？

【问题讨论】：

标签： python date pandas time-series seaborn

【解决方案1】：

设置
这会解析您链接的数据

df = pd.read_csv(
    'data.csv', sep=';', decimal=',',
    usecols=['date', 'speed', 'height', 'width'],
    index_col=0,  parse_dates=[0]
)

我的黑客
我从日期中去掉了除年份以外的所有内容，并假定为 2012 的年份，因为它是闰年，将容纳 2 月 29 日。我将这一年拆分为另一个级别的多索引，unstack 和 plot

idx = pd.MultiIndex.from_arrays([
        pd.to_datetime(df.index.strftime('2012-%m-%d %H:%M:%S')),
        df.index.year
    ])

ax = df.set_index(idx).unstack().speed.plot()
lg = ax.legend(bbox_to_anchor=(1.05, 1), loc=2, ncol=2)

为了美化这一点

fig, axes = plt.subplots(3, 1, figsize=(15, 9))

idx = pd.MultiIndex.from_arrays([
        pd.to_datetime(df.index.strftime('2012-%m-%d %H:%M:%S')),
        df.index.year
    ])

d1 = df.set_index(idx).unstack().resample('W').mean()
d1.speed.plot(ax=axes[0], title='speed')
lg = axes[0].legend(bbox_to_anchor=(1.02, 1), loc=2, ncol=1)

d1.height.plot(ax=axes[1], title='height', legend=False)
d1.width.plot(ax=axes[2], title='width', legend=False)

fig.tight_layout()

【讨论】：

【解决方案2】：

您可以这样做的一种方法是为所有年份创建一个公共 x 轴，如下所示：

df['yeartime']=df.groupby(df.date.dt.year).cumcount()

其中 'yeartime' 表示一年中时间度量的数量。接下来，创建一个年份列：

df['year'] = df.date.dt.year

现在，让我们对 2000 年、2001 年和 2002 年 1 月 1 日的数据进行子集化

subset_df = df.loc[df.date.dt.year.isin(['2000','2001',2002]) & (df.date.dt.day == 1) & (df.date.dt.month == 1)]

最后，绘制它。

ax = sns.pointplot('yeartime','speed',hue='year',data=subset_df, markers='None')
_ =ax.get_xaxis().set_ticks([])

【讨论】：