python - 使用 Seaborn 绘制具有最小/最大阴影的时间序列图

Question

我正在尝试根据以下数据创建 3 行时间序列图 ，在 Week x Overload 图中，每个 Cluster 是不同的线。

我对每个(集群、周)对有多个观察(每个 atm 5 个，将有 1000 个)。我希望线上的点是该特定(集群、周)对的平均过载值，而带是它的最小/最大值。

目前正在使用以下代码来绘制它，但我没有得到任何线条，因为我不知道使用当前数据帧指定什么单位:

    ax14 = sns.tsplot(data = long_total_cluster_capacity_overload_df, value = "Overload", time = "Week", condition = "Cluster")

GIST Data

我觉得我仍然需要重新塑造我的数据框，但我不知道该怎么做。寻找看起来像这样的最终结果

Answer 1

基于 this incredible answer ，我能够创建一个猴子补丁来精美地做你正在寻找的东西。

import pandas as pd
import seaborn as sns    
import seaborn.timeseries

def _plot_range_band(*args, central_data=None, ci=None, data=None, **kwargs):
    upper = data.max(axis=0)
    lower = data.min(axis=0)
    #import pdb; pdb.set_trace()
    ci = np.asarray((lower, upper))
    kwargs.update({"central_data": central_data, "ci": ci, "data": data})
    seaborn.timeseries._plot_ci_band(*args, **kwargs)

seaborn.timeseries._plot_range_band = _plot_range_band

cluster_overload = pd.read_csv("TSplot.csv", delim_whitespace=True)
cluster_overload['Unit'] = cluster_overload.groupby(['Cluster','Week']).cumcount()

ax = sns.tsplot(time='Week',value="Overload", condition="Cluster", unit="Unit", data=cluster_overload,
               err_style="range_band", n_boot=0)

输出图:

请注意，阴影区域与折线图中的真实最大值和最小值对齐!

如果您弄清楚为什么需要 unit 变量，请告诉我。

---

如果您不希望它们都在同一个图表上，那么:

import pandas as pd
import seaborn as sns
import seaborn.timeseries


def _plot_range_band(*args, central_data=None, ci=None, data=None, **kwargs):
    upper = data.max(axis=0)
    lower = data.min(axis=0)
    #import pdb; pdb.set_trace()
    ci = np.asarray((lower, upper))
    kwargs.update({"central_data": central_data, "ci": ci, "data": data})
    seaborn.timeseries._plot_ci_band(*args, **kwargs)

seaborn.timeseries._plot_range_band = _plot_range_band

cluster_overload = pd.read_csv("TSplot.csv", delim_whitespace=True)
cluster_overload['subindex'] = cluster_overload.groupby(['Cluster','Week']).cumcount()

def customPlot(*args,**kwargs):
    df = kwargs.pop('data')
    pivoted = df.pivot(index='subindex', columns='Week', values='Overload')
    ax = sns.tsplot(pivoted.values, err_style="range_band", n_boot=0, color=kwargs['color'])

g = sns.FacetGrid(cluster_overload, row="Cluster", sharey=False, hue='Cluster', aspect=3)
g = g.map_dataframe(customPlot, 'Week', 'Overload','subindex')

产生以下内容，(如果您认为比例不合适，您显然可以玩纵横比)