python - UnboundLocalError : local variable 'x' referenced before assignment. 在数据帧的 seaborn 包中正确使用 tsplot？

Question

我无法让它对我的数据起作用，所以首先我尝试了一个非常相似的具体示例。这是数据框:

In [56]:

idx = pd.DatetimeIndex(start='1990-01-01', freq='d', periods=5)
data= pd.DataFrame({('A','a'):[1,2,3,4,5],
                    ('A','b'):[6,7,8,9,1],
                    ('B','a'):[2,3,4,5,6],
                    ('B','b'):[7,8,9,1,2]}, idx)
Out[56]:
A   B
a   b   a   b
1990-01-01  1   6   2   7
1990-01-02  2   7   3   8
1990-01-03  3   8   4   9
1990-01-04  4   9   5   1
1990-01-05  5   1   6   2

所以我希望做的是绘制一个时间序列，其中包含一条线，表示每次观察(索引中的每一天)的变量(每列)的集中趋势，阴影区域表示指定的误差估计量(可能只有 95% ci) 对应于每一天的观察结果。

我已经试过了:

sns.tsplot(data, time=idx)

但是我得到以下错误:

UnboundLocalError                         Traceback (most recent call last)
<ipython-input-57-fa07e08ead95> in <module>()
      5                     ('B','b'):[7,8,9,1,2]}, idx)
      6 
----> 7 sns.tsplot(data, time=idx)

C:\Users\Patrick\Anaconda\lib\site-packages\seaborn\timeseries.pyc in tsplot(data, time, unit, condition, value, err_style, ci, interpolate, color, estimator, n_boot, err_palette, err_kws, legend, ax, **kwargs)
    253 
    254     # Pad the sides of the plot only when not interpolating
--> 255     ax.set_xlim(x.min(), x.max())
    256     x_diff = x[1] - x[0]
    257     if not interpolate:

UnboundLocalError: local variable 'x' referenced before assignment

tsplot 的语法是:

sns.tsplot(data, time=None, unit=None, condition=None, value=None, err_style='ci_band', ci=68, interpolate=True, color=None, estimator=<function mean at 0x00000000044F2C18>, n_boot=5000, err_palette=None, err_kws=None, legend=True, ax=None, **kwargs)

所以我将索引作为时间参数提供给我的数据，但我不确定我做错了什么。我认为我不需要任何其他关键字参数，但也许这就是问题所在。

如果我改为使用维度为 (unit,time) 的数组来执行此操作:

sns.tsplot(data.values.T, time=idx)

我得到了预期的输出(除了没有时间戳的是 xlabels):

但是使用数据框执行此操作的正确方法是什么？我知道它必须是“长格式”，但我不太确定这对这个特定的框架意味着什么。

Answer 1

我终于明白了。基本上我应该首先看的地方是 here在标题为“使用长格式数据帧指定输入数据”的部分中。我必须做的是:

data.reset_index(inplace=True)
data.columns = np.arange(len(data.columns))
melted = pd.melt(data, id_vars=0)

第一行将 DatetimeIndex 移动到它自己的列中，并就地设置默认整数索引。第二行对标题执行相同的操作，除了将它们删除(我需要这样做，因为似乎无法使用多索引进行分组)。最后，我们融化数据创建如下所示的 DataFrame:

In [120]:

melted
Out[120]:
0   variable    value
0   1990-01-01  1   1
1   1990-01-02  1   2
2   1990-01-03  1   3
3   1990-01-04  1   4
4   1990-01-05  1   5
5   1990-01-01  2   6
6   1990-01-02  2   7
7   1990-01-03  2   8
8   1990-01-04  2   9
9   1990-01-05  2   1
10  1990-01-01  3   2
11  1990-01-02  3   3
12  1990-01-03  3   4
13  1990-01-04  3   5
14  1990-01-05  3   6
15  1990-01-01  4   7
16  1990-01-02  4   8
17  1990-01-03  4   9
18  1990-01-04  4   1
19  1990-01-05  4   2

现在，在 DataFrame 准备就绪后，我可以像这样使用 tsplot:

sns.tsplot(melted, time=0, unit='variable', value='value')

在我的情况下，这与我所做的几乎相同:

sns.tsplot(data.T.values, idx)
plt.xlabel('0')
plt.ylabel('value')

除非我添加任何条件，否则 tsplot 会绘制其他系列并为我制作图例。

鉴于函数的性质，tsplot 至少可以将日期绘制为时间戳就好了。我认为使用转置数组对于我的应用程序来说比直接使用 DataFrame 更容易。