Python中怎么實現(xiàn)時間序列可視化，相信很多沒有經(jīng)驗的人對此束手無策，為此本文總結了問題出現(xiàn)的原因和解決方法，通過這篇文章希望你能解決這個問題。

創(chuàng)新互聯(lián)建站專注于江山網(wǎng)站建設服務及定制，我們擁有豐富的企業(yè)做網(wǎng)站經(jīng)驗。 熱誠為您提供江山營銷型網(wǎng)站建設，江山網(wǎng)站制作、江山網(wǎng)頁設計、江山網(wǎng)站官網(wǎng)定制、小程序開發(fā)服務，打造江山網(wǎng)絡公司原創(chuàng)品牌,更為您提供江山網(wǎng)站排名全網(wǎng)營銷落地服務。

1.單個時間序列

首先，我們從tushare.pro獲取指數(shù)日線行情數(shù)據(jù)，并查看數(shù)據(jù)類型。

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

交易時間列'trade_date' 不是時間類型，而且也不是索引，需要先進行轉化。

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，就可以開始畫圖了，我們需要導入matplotlib.pyplot【2】，然后通過設置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(nèi)置圖表樣式可以選擇，通過打印plt.style.available查看具體都有哪些選項，應用的時候直接調(diào)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(jié)

上面畫出的是一個很簡單的折線圖，其實可以在plot()里面通過設置不同參數(shù)的值，為圖添加更多細節(jié)，使其更美觀、清晰。

figsize(width, height)設置圖的大小，linewidth設置線的寬度，fontsize設置字體大小。然后，調(diào)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()

如果想要看某一個子時間段內(nèi)的折線變化情況，可以直接截取該時間段再作圖即可，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察值，可以調(diào)用.axvline()和.axhline()方法添加垂直和水平參考線。

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(diào)用axvspan()的方法為一段時間添加陰影標注，其中alpha參數(shù)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.移動平均時間序列

有時候，我們想要觀察某個窗口期的移動平均值的變化趨勢，可以通過調(diào)用窗口函數(shù)rolling來實現(xiàn)。下面實例中顯示的是，以250天為窗口期的移動平均線close，以及與移動標準差的關系構建的上下兩個通道線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.多個時間序列

如果想要可視化多個時間序列數(shù)據(jù)，同樣可以直接調(diào)用plot()方法。示例中我們從tushare.pro上面選取三只股票的日線行情數(shù)據(jù)進行分析。

# 獲取數(shù)據(jù)  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  # 畫圖  ax = df.plot(linewidth=2, fontsize=12)  ax.set_xlabel('trade_date')  ax.legend(fontsize=15)  plt.show()

調(diào)用.plot.area()方法可以生成時間序列數(shù)據(jù)的面積圖，顯示累計的總數(shù)。

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時間序列，可以通過設置參數(shù)subplots=True來實現(xiàn)。layout指定要使用的行列數(shù)，sharex和sharey用于設置是否共享行和列，colormap='viridis' 為每條線設置不同的顏色。

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

看完上述內(nèi)容，你們掌握Python中怎么實現(xiàn)時間序列可視化的方法了嗎？如果還想學到更多技能或想了解更多相關內(nèi)容，歡迎關注創(chuàng)新互聯(lián)行業(yè)資訊頻道，感謝各位的閱讀！

文章標題：Python中怎么實現(xiàn)時間序列可視化
標題路徑：http://aaarwkj.com/article18/iipcdp.html

成都網(wǎng)站建設公司_創(chuàng)新互聯(lián)，為您提供移動網(wǎng)站建設、外貿(mào)網(wǎng)站建設、標簽優(yōu)化、網(wǎng)站制作、用戶體驗、App設計

廣告

聲明：本網(wǎng)站發(fā)布的內(nèi)容（圖片、視頻和文字）以用戶投稿、用戶轉載內(nèi)容為主，如果涉及侵權請盡快告知，我們將會在第一時間刪除。文章觀點不代表本網(wǎng)站立場，如需處理請聯(lián)系客服。電話：028-86922220；郵箱：631063699@qq.com。內(nèi)容未經(jīng)允許不得轉載，或轉載時需注明來源： 創(chuàng)新互聯(lián)