对 python 中的时间序列数据进行关联 plot

Question

我想在时间序列数据中看到滚动周的相关性。 原因是我想看看滚动相关性每年如何变化。 To do so, I tried to use pandas.corr() , pandas.rolling_corr() built-in function for getting rolling correlation and tried to make line plot, but I couldn't correct the correlation line chart. 我不知道我应该如何聚合时间序列以获得滚动相关折线图。 有谁知道在 python 中这样做的任何方式？ 是否有任何解决方法可以从 pandas 中的时间序列数据中获取滚动相关折线图？ 任何想法？

我的尝试：

我尝试使用pandas.corr()来获得相关性，但生成滚动相关性折线图没有帮助。 所以，这是我的新尝试，但它不起作用。 我想我应该考虑正确的数据聚合方式来制作滚动相关折线图。

import pandas as pd
import matplotlib.pyplot as plt
import seaborn as sns

url = 'https://gist.githubusercontent.com/adamFlyn/eb784c86c44fd7ed3f2504157a33dc23/raw/79b6aa4f2e0ffd1eb626dffdcb609eb2cb8dae48/corr.csv'
df = pd.read_csv(url)
df['date'] = pd.to_datetime(df['date'])

def get_corr(df, window=4):
    dfs = []
    for key, value in df:
        value["ROLL_CORR"] = pd.rolling_corr(value["prod_A_price"],value["prod_B_price"], window)
        dfs.append(value)
    df_final = pd.concat(dfs)
    return df_final

corr_df = get_corr(df, window=12)

fig, ax = plt.subplots(figsize=(7, 4), dpi=144)
sns.lineplot(x='week', y='ROLL_CORR', hue='year', data=corr_df,alpha=.8)
plt.show()
plt.close()

这样做对我不起作用。 通过这样做，我想看看滚动相关性每年如何变化。 谁能指出我可以从 python 中的时间序列数据中做滚动相关折线图吗？ 有什么想法吗？

所需 output

这是我想要获得的所需滚动相关折线图。 请注意，所需的 plot 是从 MS excel 生成的。 我想知道在 python 中是否有任何可能的方法？ 是否有任何解决方法可以从 python 中的时间序列数据中获取滚动相关折线图？ 我应该如何纠正我当前的尝试以获得所需的 output？ 有什么想法吗？

Answer 1

使用您的代码和描述作为起点。 Panda's Rolling class has an apply function which can be leveraged ( https://pandas.pydata.org/pandas-docs/stable/reference/api/pandas.core.window.rolling.Rolling.apply.html#pandas.core. window.rolling.Rolling.apply )

使代码工作涉及两个技巧：

1. 访问应用的 function 中的整行（ Pandas 滚动应用使用多列）
2. 我们在pandas.Series （此处为df['week'] ）上调用rolling function 以避免每列应用一次 function

import pandas as pd
import matplotlib.pyplot as plt
import seaborn as sns

url = 'https://gist.githubusercontent.com/adamFlyn/eb784c86c44fd7ed3f2504157a33dc23/raw/79b6aa4f2e0ffd1eb626dffdcb609eb2cb8dae48/corr.csv'
df = pd.read_csv(url)

def get_corr(ser):
    rolling_df = df.loc[ser.index]
    return rolling_df['prod_A_price'].corr(rolling_df['prod_B_price'])

df['ROLL_CORR'] = df['week'].rolling(4).apply(get_corr)

number_years = 3
for week, df_week in df.groupby('week'):
    df = df.append({
        'week': week,
        'year': f'{number_years} year avg',
        'ROLL_CORR': df_week.sort_values(by='date').head(number_years)['ROLL_CORR'].mean()
    }, ignore_index=True)

fig, ax = plt.subplots(figsize=(7, 4), dpi=144)
sns.lineplot(x='week', y='ROLL_CORR', hue='year', data=df,alpha=.8)
plt.show()
plt.close()

您将在此处找到seaborn生成的图像

以 3 年平均值