web-dev-qa-db-fra.com

Tracer des données de séries chronologiques avec Seaborn

Supposons que je crée un Dataframe entièrement aléatoire en utilisant ce qui suit:

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()

ce qui entraîne la trame de données affichée au bas de ce post. Je voudrais tracer mes colonnes A, B, C et D en utilisant les fonctionnalités de visualisation timeseries dans seaborn pour que je reçoive quelque chose dans ce sens:

enter image description here

Comment puis-je aborder ce problème? D'après ce que j'ai lu ce cahier , l'appel devrait être:

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

mais cela semble exiger que la trame de données soit représentée d'une manière différente, avec les colonnes codant en quelque sorte time, unit, condition et value, qui est pas mon cas. Comment puis-je convertir ma trame de données (illustrée ci-dessous) dans ce format?

Voici mon dataframe:

      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

En fin de compte, ce que je recherche, c'est une superposition de tracés (un par colonne), où chacun d'eux ressemble à ceci (notez que différentes valeurs de CI obtiennent différentes valeurs d'alphas):

 enter image description here

pythonmatplotlibpandasseaborn
15
Amelio Vazquez-Reina

Je ne pense pas que tsplot va fonctionner avec les données dont vous disposez. Les hypothèses qu'il fait sur les données d'entrée sont que vous avez échantillonné les mêmes unités à chaque point temporel (bien que vous puissiez avoir des points temporels manquants pour certaines unités).

Par exemple, supposons que vous ayez mesuré la pression artérielle des mêmes personnes chaque jour pendant un mois, puis que vous vouliez représenter la pression artérielle moyenne par condition (où peut-être la variable "condition" est le régime alimentaire auquel ils sont soumis). tsplot pourrait le faire, avec un appel qui ressemblerait à quelque chose comme sns.tsplot(df, time="day", unit="person", condition="diet", value="blood_pressure")

Ce scénario est différent d'avoir de grands groupes de personnes suivant des régimes différents et d'échantillonner chaque jour au hasard certains de chaque groupe et de mesurer leur tension artérielle. D'après l'exemple que vous avez donné, il semble que vos données soient structurées comme ceci.

Cependant, ce n'est pas si difficile de trouver un mélange de matplotlib et pandas qui fera ce que je pense que vous voulez:

# 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))

Ce code produit:

enter image description here

35
mwaskom