Matplotlib -时间序列分析Python

Question

我试图使用这些数据(https://gist.github.com/datomnurdin/33961755b306bc67e4121052ae87cfbc)创建两种类型的时间序列。首先，每天要数多少次。第二，每天的总情绪。

每天第二次总情绪的代码。

import matplotlib.pyplot as plt
import pandas as pd

df = pd.read_csv('data_filtered.csv', parse_dates=['date'], index_col='date')

def plot_df(df, x, y, title="", xlabel='Date', ylabel='Value', dpi=100):
    plt.figure(figsize=(16,5), dpi=dpi)
    plt.plot(x, y, color='tab:red')
    plt.gca().set(title=title, xlabel=xlabel, ylabel=ylabel)
    plt.show()

plot_df(df, x=df.index, y=df.sentiment, title='Sentiment Over Time')

第二次系列图对我来说没有任何意义。也有可能保存这个数字供将来参考。

​

​

Answer 1

试着检查源数据。

date

如果我试图用以下代码绘制date发行版：

import matplotlib.pyplot as plt
import pandas as pd

df = pd.read_csv('data_filtered.csv', parse_dates = ['date'])

df['date'].hist()
plt.show()

我得到：

​

​

如您所见，大多数date值集中在2020-05-19或2020-05-30上，两者之间没有关系。所以，只在图的左边和右边，而不是在中间看到点是有意义的。

情操

如果我试图用以下代码绘制sentiment发行版：

import matplotlib.pyplot as plt
import pandas as pd

df = pd.read_csv('data_filtered.csv', parse_dates = ['date'])

df['sentiment'].hist()
plt.show()

我得到：

​

​

如您所见，sentiment值集中在三个组中：-1、0和1；没有其他值。所以，只在图的底部、中间和顶部看到点是有意义的，而不是在其他地方。

散射图

最后，我尝试将date和sentiment合并成一个散点图：

import matplotlib.pyplot as plt
import pandas as pd

df = pd.read_csv('data_filtered.csv', parse_dates = ['date'])

fig, ax = plt.subplots(1, 1, figsize = (16, 5))

ax.plot(df['date'], df['sentiment'], 'o', markersize = 15)
ax.set_title('Sentiment Over Time')
ax.set_xlabel('Date')
ax.set_ylabel('Value')

plt.show()

我得到了：

​

​

这正是你的图形，但这些点不是由一条线连接起来的。您可以看到这些值是如何集中在特定区域而不是分散的。

累积

如果要通过sentiment聚合date值，请检查以下代码：

import matplotlib.pyplot as plt
import pandas as pd

df = pd.read_csv('data_filtered.csv', parse_dates = ['date'])

df_cumulate = df.groupby(['date']).sum()

def plot_df(df, x, y, title="", xlabel='Date', ylabel='Value', dpi=100):
    plt.figure(figsize=(16,5), dpi=dpi)
    plt.plot(x, y, color='tab:red')
    plt.gca().set(title=title, xlabel=xlabel, ylabel=ylabel)
    plt.savefig('graph.png')
    plt.show()

plot_df(df_cumulate, x=df_cumulate.index, y=df_cumulate.sentiment, title='Sentiment Over Time')

我通过行df = pd.read_csv('data.csv', parse_dates = ['date'])聚合数据；这里是sentiment随时间累积的图：

​

​

Answer 2

链接到的数据有八个不同的日期。

如果您只是简单地复制/粘贴，则日期不会被解释为时间点，而是被解释为字符串。

您可以通过转换为datetime对象来更改这一点：

#convert to datetime
df['date'] = pd.to_datetime(df['date'])

图中的连接来自这样一个事实，即数据点的索引确定何时绘制，但其x-坐标(此处: date)的值决定绘制的位置。由于plt.plot是一种连接数据点的方法，一个接一个地绘制的数据点将与一条线连接，而不管它们将在何处结束。通过对数据进行排序，可以对齐时间点和位置：

#then sort by date
df.sort_values(by='date', inplace=True)

这并不是一个容易解释的情节，但至少现在您知道哪些行来自何处：

​

​

绘制数据的一个更好的方法是一张堆叠的条形图：

a=df.groupby(['date', 'sentiment']).agg(len).unstack()
a.columns = ['-1', '0', '1']
a[['-1', '0', '1']].plot(kind='bar', stacked=True)

​

​