如何使用 matplotlib/seaborn 在時間序列數據上獲得正確的相關性 plot？

Question

我有每周收集的時間序列數據，我想在其中查看其兩列的相關性。 為此，我可以找到兩列之間的相關性，並希望了解滾動相關性每年的變化情況。 我目前的方法工作正常，但我需要在進行滾動相關之前對兩列進行規范化並制作一條線 plot。 在我目前的嘗試中，我不知道如何顯示 3 年、5 年的滾動相關性。 誰能建議在matplotlib中這樣做的可能想法？

當前嘗試：

這是我目前的嘗試：

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

dataPath="https://gist.github.com/jerry-shad/503a7f6915b8e66fe4a0afbc52be7bfa#file-sample_data-csv"

def ts_corr_plot(dataPath, roll_window=4):
    df = pd.read_csv(dataPath)
    df['Date'] = pd.to_datetime(df['Date'])
    df['week'] = pd.DatetimeIndex(df['date']).week
    df['year'] = pd.DatetimeIndex(df['date']).year
    df['week'] = df['date'].dt.strftime('%W').astype('uint8')
    
    def find_corr(x):
        df = df.loc[x.index]
        return df[:, 1].corr(df[:, 2])
    
    df['corr'] = df['week'].rolling(roll_window).apply(find_corr)
    fig, ax = plt.subplots(figsize=(7, 4), dpi=144)
    sns.lineplot(x='week', y='corr', hue='year', data=df,alpha=.8)
    plt.show()
    plt.close

更新：

我想查看不同時間 window 的滾動相關性，例如：

plt_1 = ts_corr_plot(dataPath, roll_window=4)
plt_2 = ts_corr_plot(dataPath, roll_window=12)
plt_3 = ts_corr_plot(dataPath, roll_window=24)

我需要在圖中添加 3 年、5 年的滾動相關性，但我找不到更好的方法。 誰能指出我如何為時間序列數據制作滾動相關線 plot？ 如何改進當前的嘗試？ 任何想法？

所需 plot

這是我想要獲得的預期 plot ：

Answer 1

在esaborn中自定義圖例是很辛苦的，所以我在matplotlib中創建了代碼。

1. 修正了相關系數的計算方法。 您的代碼給了我一個錯誤，所以如果我錯了，請糾正我。
2. 折線圖的顏色似乎是從想要的圖形顏色來的畫面顏色，所以我使用了matplotlib中定義的畫面的10 colors。
3. 為了計算 3 年的相關系數，我使用了 156 個線單位，即 3 年的每周數據。 如有錯誤請更正此邏輯。
4. 我分別在循環過程中創建 4 周和 3 年的圖表。

import pandas as pd
import numpy as np
import matplotlib.pyplot as plt

dataPath="https://gist.githubusercontent.com/jerry-shad/503a7f6915b8e66fe4a0afbc52be7bfa/raw/414a2fc2988fcf0b8e6911d77cccfbeb4b9e9664/sample_data.csv"

df = pd.read_csv(dataPath)
df['Date'] = pd.to_datetime(df['Date'])
df['week'] = df['Date'].dt.isocalendar().week
df['year'] = df['Date'].dt.year
df['week'] = df['Date'].dt.strftime('%W').astype('uint8')

def find_corr(x):
    dfc = df.loc[x.index]
    tmp = dfc.iloc[:, [1,2]].corr()
    tmp = tmp.iloc[0,1]
    return tmp

roll_window=4
df['corr'] = df['week'].rolling(roll_window).apply(find_corr)
df3 = df.copy() # three year
df3['corr3'] = df3['year'].rolling(156).apply(find_corr) # 3 year = 52 week x 3 year = 156 

fig, ax = plt.subplots(figsize=(12, 4), dpi=144)
cmap = plt.get_cmap("tab10")

for i,y in enumerate(df['year'].unique()):
    tmp = df[df['year'] == y]
    ax.plot(tmp['week'], tmp['corr'], color=cmap(i), label=y)

for i,y in enumerate(df['year'].unique()):
    tmp = df3[df3['year'] == y]
    if tmp['corr3'].notnull().all():
        ax.plot(tmp['week'], tmp['corr3'], color=cmap(i), lw=3, linestyle='--', label=str(y)+' 3 year avg')

ax.grid(axis='both')
ax.legend(loc='upper left', bbox_to_anchor=(1.0, 1.0), borderaxespad=1)
plt.show()
# plt.close