python - 使用 seaborn 绘制时间序列数据

Question

假设我使用以下方法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()

这会生成本文底部显示的数据框。我想使用 timeseries 绘制列 A、B、C 和 D seaborn 中的可视化功能，因此我得到了一些信息:

我该如何解决这个问题？根据我在 this notebook 上阅读的内容，调用应该是:

sns.tsplot(df, time="time", unit="unit", condition="condition", value="value")

但这似乎要求数据帧以不同的方式表示，列以某种方式编码 time、unit、condition 和value，这不是我的情况。如何将我的数据框(如下所示)转换为这种格式？

这是我的数据框:

      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，我正在寻找的是图的叠加(每列一个)，其中每个图如下所示(请注意，不同的 CI 值会得到不同的 alpha 值):

Answer 1

我认为 tsplot 无法处理您拥有的数据。它对输入数据所做的假设是您在每个时间点都对相同的单元进行了采样(尽管您可能缺少某些单元的时间点)。

例如，假设您在一个月内每天测量同一个人的血压，然后您想按条件绘制平均血压图(其中“条件”变量可能是他们的饮食)。 tsplot 可以做到这一点，调用类似于 sns.tsplot(df, time="day", unit="person", condition="diet", value="blood_pressure")

这种情况不同于让一大群人采用不同的饮食习惯，然后每天从每组中随机抽取一些人并测量他们的血压。从您给出的示例来看，您的数据的结构似乎是这样的。

但是，混合使用 matplotlib 和 pandas 来实现我认为您想要的效果并不难:

# 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))

此代码产生: