Matplotlib：绘制数据，然后是时间序列预测

Question

我正在使用 matplotlib 来显示股票价格随时间的变化。 我想关注过去 90 天，然后预测接下来的 14 天。 我有过去 90 天的数据和我的预测，但我想用不同的颜色绘制我的预测，所以很明显它们是不同的。

我该怎么做？

如果我只是在我的代码中添加第二个plot()调用，预测将从与我的 90 天数据相同的点开始并叠加，这不是我想要的。

现在我正在这样做：

df[-90:]["price"].plot()
plt.show()

谢谢！

Answer 1

希望这是你想要的：

import pandas as pd
import numpy as np; np.random.seed(1)
import matplotlib.pyplot as plt

datelist = pd.date_range(pd.datetime(2018, 1, 1), periods=104)
df = pd.DataFrame(np.cumsum(np.random.randn(104)), 
                  columns=['price'], index=datelist)

plt.plot(df[:90].index, df[:90].values)
plt.plot(df[90:].index, df[90:].values)
# If you don't like the break in the graph, change 90 to 89 in the above line
plt.gcf().autofmt_xdate()
plt.show()

Answer 2

import matplotlib.pyplot as plt
import numpy as np

last90days = np.random.rand(90)
next14days = np.random.rand(14)

plt.plot(np.arange(90), last90days)
plt.plot(np.arange(90, 90+14), next14days)
plt.show()

Answer 3

简短的回答：

使用pd.merge()并充分利用两个不同系列中的缺失值，得到两条不同颜色的线条。 对于您使用的数据帧索引类型（日期、整数或字符串），此建议将非常灵活。 这是你会得到的：

---

长答案：

关于...的详细信息

我想关注过去 90 天，然后预测接下来的 14 天。

...我将假设您使用的是带有每日索引的数据框。 我还假设您知道 90 天的数据集和 14 天的数据集的索引值。

这是一个包含 104 个观察值（随机数据）的数据框：

片段 1：

import pandas as pd
import numpy as np

np.random.seed(12)
rows = 104
df = pd.DataFrame(np.random.randint(-4,5,size=(rows, 1)), columns=['data'])
datelist = pd.date_range(pd.datetime(2018, 1, 1).strftime('%Y-%m-%d'), periods=rows).tolist()
df['dates'] = datelist 
df = df.set_index(['dates'])
df.index = pd.to_datetime(df.index)
df = df.cumsum()
df.plot()

情节 1：

为了复制您的设置，我已将数据帧拆分为两个不同的帧，其中包含 90 次观察（价格）和 14 天（预测）。 这样，您将拥有两个不同的数据集，但关联的索引将是连续的 - 我假设这是您的实际情况。

片段 2：

df_90 = df[:90].copy(deep = True)
df_14 = df[-14:].copy(deep = True)
df_90.columns = ['price']
df_14.columns = ['predictions']

df_90.plot()
df_14.plot()

情节 2：

现在您可以将它们合并在一起，这样您将获得一个包含两列（数据和预测）的数据框。 当然，您最终会得到一些丢失的数据，但这正是您在绘制时会为您提供两条颜色不同的线的原因。

片段 3：

df_all = pd.merge(df_90, df_14, how = 'outer', left_index=True, right_index=True)
df_all.plot()

情节 3：

我希望建议的解决方案符合您的实际情况。 让我知道有关索引的详细信息是否会成为问题，我也会考虑一下。

---

以下是简单复制粘贴的完整代码：

import pandas as pd
import numpy as np

np.random.seed(12)
rows = 104
df = pd.DataFrame(np.random.randint(-4,5,size=(rows, 1)), columns=['data'])
datelist = pd.date_range(pd.datetime(2018, 1, 1).strftime('%Y-%m-%d'), periods=rows).tolist()
df['dates'] = datelist 
df = df.set_index(['dates'])
df.index = pd.to_datetime(df.index)
df = df.cumsum()

df.plot()

df_90 = df[:90].copy(deep = True)
df_14 = df[-14:].copy(deep = True)
df_90.columns = ['price']
df_14.columns = ['predictions']

df_90.plot()
df_14.plot()

df_all = pd.merge(df_90, df_14, how = 'outer', left_index=True, right_index=True)
df_all.plot()