將 plotly 圖轉換為 dataframe 以轉換為 plot Z6A8064B5DF4794555500553CufflinksZDZ

Question

我正在處理的問題的上下文是嘗試將時間序列預測的結果轉換為使用 matplotlib.plotly 繪制的時間序列預測結果返回到 dataframe 以便我可以使用更多的交互式圖表庫我可以通過 hover 對數據點進行更詳細的預測。

所以在訓練和創建模擬之后，代碼如下：

    date_ori = pd.to_datetime(df.iloc[:, 0]).tolist()
for i in range(test_size):
    date_ori.append(date_ori[-1] + timedelta(days = 1))
date_ori = pd.Series(date_ori).dt.strftime(date_format = '%Y-%m-%d').tolist()
date_ori[-5:]


accepted_results = []
for r in results:
    if (np.array(r[-test_size:]) < np.min(df['Close'])).sum() == 0 and \
    (np.array(r[-test_size:]) > np.max(df['Close']) * 2).sum() == 0:
        accepted_results.append(r)
len(accepted_results)


accuracies = [calculate_accuracy(df['Close'].values, r[:-test_size]) for r in accepted_results]

plt.figure(figsize = (15, 5))
for no, r in enumerate(accepted_results):
    plt.plot(r, label = 'forecast %d'%(no + 1))
plt.plot(df['Close'], label = 'true trend', c = 'black')

plt.legend()
plt.title('average accuracy: %.4f'%(np.mean(accuracies)))

x_range_future = np.arange(len(results[0]))
plt.xticks(x_range_future[::30], date_ori[::30])

plt.show()

我已經開始剖析最后一個繪圖部分以嘗試將數據轉換為 dataframe 以便 plot 與袖扣作為袖扣的格式如下：

import cufflinks as cf
# data from FXCM Forex Capital Markets Ltd.
raw = pd.read_csv('http://hilpisch.com/fxcm_eur_usd_eod_data.csv',
                 index_col=0, parse_dates=True)
quotes = raw[['AskOpen', 'AskHigh', 'AskLow', 'AskClose']]
quotes = quotes.iloc[-60:]
quotes.tail()

    AskOpen AskHigh AskLow  AskClose
2017-12-25 22:00:00 1.18667 1.18791 1.18467 1.18587
2017-12-26 22:00:00 1.18587 1.19104 1.18552 1.18885
2017-12-27 22:00:00 1.18885 1.19592 1.18885 1.19426
2017-12-28 22:00:00 1.19426 1.20256 1.19369 1.20092
2017-12-31 22:00:00 1.20092 1.20144 1.19994 1.20147

qf = cf.QuantFig(
         quotes,
         title='EUR/USD Exchange Rate',
         legend='top',
         name='EUR/USD'
)

qf.iplot()

到目前為止，我試圖將 plotly 圖表分解為 dataframe ，這些是預測結果：

df = accepted_results
rd = pd.DataFrame(df)
rd.T

    0   1   2   3   4   5   6   7
0   768.699985  768.699985  768.699985  768.699985  768.699985  768.699985  768.699985  768.699985
1   775.319656  775.891012  772.283885  737.763376  773.811344  785.021571  770.438252  770.464180
2   772.387081  787.562968  764.858772  737.837558  775.712162  770.660990  768.103724  770.786379
3   786.316425  779.248516  765.839603  760.195678  783.410054  789.610540  765.924561  773.466415
4   796.039144  803.113903  790.219174  770.508252  795.110376  793.371152  774.331197  786.772606
... ... ... ... ... ... ... ... ...
277 1042.788063 977.462670  1057.189696 1262.203613 1057.900621 1042.329811 1053.378352 1171.416597
278 1026.857102 975.473725  1061.585063 1307.540754 1061.490772 1049.696547 1054.122795 1117.779434
279 1029.388746 977.097765  1069.265953 1192.250498 1064.540056 1049.169295 1045.126807 1242.474584
280 1030.373147 983.650686  1070.628785 1103.139889 1053.571269 1030.669091 1047.641127 1168.965372
281 1023.118504 984.660763  1071.661590 1068.445156 1080.461617 1035.736879 1035.599867 1231.714340

然后將x軸從

plt.xticks(x_range_future[::30], date_ori[::30])

至

df1 = pd.DataFrame((x_range_future[::30], date_ori[::30]))
df1.T
    0   1
0   0   2016-11-02
1   30  2016-12-15
2   60  2017-01-31
3   90  2017-03-15
4   120 2017-04-27
5   150 2017-06-09
6   180 2017-07-24
7   210 2017-09-05
8   240 2017-10-17
9   270 2017-11-20

最后我有關閉的專欄，這是我到目前為止所能想到的

len(df['Close'].values)
252

當我使用

df['Close'].values 

我得到了一個數組，我在把這一切放在一起時遇到了問題，袖扣 iplot 圖表要好得多，如果我能以某種方式獲得這樣做的直覺，那就太棒了，如果我沒有嘗試，我提前道歉已經夠難了，但我正在盡力而為，無論我搜索谷歌多少次，我似乎都找不到答案，所以我想我會在這里問。

Answer 1

這就是我所做的，我瀏覽並打印了像 print(date_ori) 這樣的獨立字符串，並用 print(len(date_ori) 簡化了它，它又包含了預測的所有日期，然后我將它變成了 dataframe df['date'] = pd.DataFrame(date_ori)，與結果一樣，我必須用 df.T 轉置它們，以便它們采用長列格式而不是長行格式，所以首先

df = pd.DataFrame(results)
df = df.T

然后

df['date'] = pd.DataFrame(date_ori)

我在命名包含所有預測結果的第 0 列時遇到了麻煩，所以我只是保存了文件

df.to_csv('yo')

然后我將名為 0 的列編輯為結果並將.csv 添加到末尾，然后將數據拉回 memory

然后我格式化了日期

format = '%Y-%m-%d'
df['Datetime'] = pd.to_datetime(df['date'], format=format)
df = df.set_index(pd.DatetimeIndex(df['Datetime']))

並刪除了不需要的列，我想我現在可以將開始時的關閉數據一起添加到 plot 中，但是我將結果放入 Z6A8064B5DF4794555500553C47C55057DZ 中，所以現在我可以使用這些很棒的圖表。 不敢相信我在 18 小時內就弄明白了，我迷路了，哈哈。

我也把實驗放到了一個模擬中，所以只有 1 行結果要處理，所以我可以弄清楚。