matplotlib图的可视化效果更好

Question

我想在我的论文中包括一个图(文档将是标准的a4页面pdf)，我有两个时间序列的数据，两者都是以百分比表示的连续值。

这两个时间序列都超过了一年，没有周日，因此每个时间序列大约有310个数据点。

我试着带着这样的东西，

import numpy as np
import pandas as pd
import matplotlib.pyplot as plt


ts = day_agg_plan_temp.set_index('Date')
ts = ts['2018-01-01': '2019-01-01']

plt.figure(figsize=(20,15))


ax1 = ts.label.plot(grid=True, label='Ground Truth', marker='.')
ax2 = ts.pred.plot(grid=True, label='Prediction', marker='.')

plt.legend()
plt.show()

结果是：

​

​

这并不是很吸引人，因为发生了太多的事情，我想指出蓝色和橙色线上每个数据点的差异。

所以我的问题是，有没有比缩小日期范围更好的方法(这是我真的不想要的，因为这个图已经是覆盖近3年的实际时间序列的一个片段)

Answer 1

下面是一些代码，这些代码使用Fractional Brownian motion生成数据，使用Savitzky–Golay filter计算趋势(但使用最适合您的案例研究的方法)，并以用户可以同时清楚地看到原始数据和趋势的方式绘制它。

from scipy.stats import norm
import numpy as np
import matplotlib.pyplot as plt
from scipy.signal import savgol_filter

# Generating some Random Data
def brownian(x0, n, dt, delta, out=None):
    x0 = np.asarray(x0)
    r = norm.rvs(size=x0.shape + (n,), scale=delta * sqrt(dt))
    if out is None:
        out = np.empty(r.shape)
    np.cumsum(r, axis=-1, out=out)
    out += np.expand_dims(x0, axis=-1)
    return out

delta = 2
T = 10.0
N = 500
dt = T/N
m = 2
x = np.empty((m,N+1))
x[:, 0] = 50
brownian(x[:,0], N, dt, delta, out=x[:,1:])
t = np.linspace(0.0, N*dt, N+1)

# Obtaining the trend using some arbitrary filter
y1 = savgol_filter(x[0], 51, 3)
y2 = savgol_filter(x[1], 51, 3)

# Plotting the raw data (transparent)
plt.plot(t, x[0], color="red", alpha=0.2)
plt.plot(t, x[1], color="blue", alpha=0.2)

# Plotting the trend data (opaque)
plt.plot(t, y1, color="red")
plt.plot(t, y2, color="blue")

# Calling the plot
plt.show()

结果是这样的：

​

​

我的观点是，通过使用颜色(或透明度)，您可以使一些数据看起来就像在背景中一样，而其他数据(通常是最相关的)就像出现在前景中一样。这是一种UX技术(如模糊、变暗或使背景变浅)。

如果数据的垂直可变性不足以清楚地分隔集合，也可以使用线条宽度(或样式)。在你的情况下，我认为没有必要这样做。