[英]Matplotlib - Time Series Analysis Python
我正在尝试使用此数据创建 2 种类型的时间序列( https://gist.github.com/datomnurdin/33961755b306bc67e4121052ae87cfbc )。 首先每天计数多少。 每天第二总情绪。
每天第二总情绪的代码。
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')
第二个时间序列图对我来说似乎没有任何意义。 也可以保存该图以供将来参考。
尝试检查源数据。
日期
如果我尝试 plot 使用以下代码分配date
:
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
值都集中在2020-05-19
或2020-05-30
左右,两者之间没有任何关系。 因此,仅在图表的左侧和右侧而不是在中间查看点是有意义的。
情绪
如果我尝试使用以下代码对 plot 进行sentiment
分布:
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
值集中在三组1
-1
和0
; 没有其他价值。 因此,仅在图形的底部、中心和顶部查看点是有意义的,而不是其他任何地方。
散点图
最后,我尝试将date
和sentiment
组合在一个散点 plot 中:
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:
这正是您的图表,但这些点没有通过线连接。 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
如果要按date
聚合sentiment
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df = pd.read_csv('data.csv', parse_dates = ['date'])
行聚合数据; 这里是sentiment
随时间累积的 plot:
您链接到的数据有八个不同的日期。
如果您只是复制/粘贴,则日期不会被解释为时间点,而是被解释为字符串。
您可以通过转换为日期时间对象来更改它:
#convert to datetime
df['date'] = pd.to_datetime(df['date'])
plot 之间的连接来自一个事实,即 a 数据点的索引决定了它何时被绘制,但它的 x 坐标值(这里:日期)决定了它的绘制位置。 由于 plt.plot 是一种连接数据点的方法,因此一个接一个地绘制的数据点将用一条线连接起来,而不管它们最终会在哪里结束。 您可以通过对数据进行排序来对齐时间点和 position:
#then sort by date
df.sort_values(by='date', inplace=True)
这并不构成易于解释的 plot,但现在至少您知道哪些行来自哪里:
绘制数据的更好方法是堆积条形图:
a=df.groupby(['date', 'sentiment']).agg(len).unstack()
a.columns = ['-1', '0', '1']
a[['-1', '0', '1']].plot(kind='bar', stacked=True)
声明:本站的技术帖子网页,遵循CC BY-SA 4.0协议,如果您需要转载,请注明本站网址或者原文地址。任何问题请咨询:yoyou2525@163.com.