如何在jupyter中绘制时间序列图?
如何在Jupyter中绘制时间序列图?
在Jupyter中绘制时间序列图的原因是为了展示数据的时间变化趋势。通过时间序列图,我们可以更直观地了解数据随时间的变化情况。下面是解决该问题的方法:
1. 首先,将数据组织成一个pandas dataframe。在pandas dataframe中,可以方便地处理和操作时间序列数据。
2. 使用fig=go.Figure(go.Scatter())
设置一个基本的plotly结构,该结构用于绘制时间序列图。
3. 使用fig.add_traces(go.Scatter())
向该结构添加所需的部分。这样可以根据需要添加多个数据序列。
下面是一个示例,展示了如何在Jupyter中绘制时间序列图:
import plotly.graph_objects as go import pandas as pd import numpy as np # 随机生成数据或从其他数据源获取数据 np.random.seed(123) observations = 200 timestep = np.arange(0, observations/10, 0.1) dates = pd.date_range('1/1/2020', periods=observations) val1 = np.sin(timestep) val2=val1+np.random.uniform(low=-1, high=1, size=observations) # 将数据组织成pandas dataframe df= pd.DataFrame({'Timestep':timestep, 'Date':dates, 'Value_1':val1, 'Value_2':val2}) # 设置plotly的基本结构 fig = go.Figure([go.Scatter(x=df['Date'], y=df['Value_2'], marker_color='black', opacity=0.6, name='Value 1')]) # 添加其他数据序列 fig.add_traces([go.Scatter(x=df['Date'], y=df['Value_1'], marker_color='blue', name='Value 2')]) # 绘制图形 fig.show()
上述代码首先导入所需的库,然后随机生成了一些数据。接下来,将数据组织成pandas dataframe,并使用plotly创建一个基本的图形结构。最后,通过添加其他数据序列,绘制了时间序列图。
通过这种方法,我们可以在Jupyter中轻松地绘制时间序列图,以便更好地理解和分析数据的时间变化趋势。