如何使用Matplotlib生成时间序列数据？

Matplotlib 库建立在 Numpy 之上。它是一个用于数据可视化的 Python 库。它是一个树状的层次结构，由构成每个绘图的对象组成。

在 Matplotlib 中，“Figure”可以理解为图形的最外层容器。“Figure”可以包含多个“Axes”对象。“Axes”对象在本例中并非“Axis”的复数形式。

“Axes”可以理解为“Figure”的一部分，一个子图。它可以用来操作其内部图形的各个部分。Matplotlib 中的“Figure”对象是一个存储一个或多个“Axes”对象的容器。“Axes”之下是刻度标记、线条、图例和文本框。Matplotlib 中的每个对象都可以被操作。

顾名思义，时间序列数据包含特定时间段或时间戳的数据。它包含在特定时间段内的观测值。这种数据告诉我们变量如何根据各种因素随时间变化。时间序列分析和预测可用于预测未来某个时间点的数据。

顾名思义，时间序列数据包含特定时间段或时间戳的数据。它包含在特定时间段内的观测值。这种数据告诉我们变量如何根据各种因素随时间变化。时间序列分析和预测可用于预测未来某个时间点的数据。

以下是一个示例：

示例

import pandas as pd
import matplotlib.pyplot as plt
from datetime import datetime
my_date = ['01−01−2018', '01−02−2018', '01−03−2018','01−04−2018',
'01−05−2018', '01−06−2018', '01−07−2018', '01−08−2018']
my_price= [1,2,3,4,5,6,7,8]
my_df = pd.DataFrame(my_date, my_price)
my_df['value'] = [67, 99, 88, 34, 101, 21, 56, 77]
my_df.columns = ['my_date', 'my_vals']
my_df['my_date'] = pd.to_datetime(my_df['my_date'])
my_df.index = my_df['my_date']
del my_df['my_date']

my_df.plot(figsize=(15, 6))
plt.show()

输出

解释

  • 导入所需的包。

  • 生成数据并将其存储在数据框中。

  • 将“日期”转换为“datetime”类型。

  • 将日期列存储为数据框的索引。

  • 在控制台中显示绘图。

更新于：2021年1月19日

86 次查看

启动您的职业生涯

通过完成课程获得认证

开始
广告