Trama de series de tiempo marinas

La serie de tiempo es un tipo de datos en los que vemos un conjunto de medidas durante un período. Cada observación tiene su marca de tiempo. Los precios de las acciones, las lecturas del sensor, los datos observados por el programa y otros tipos de datos son ejemplos de este tipo de datos. En este tutorial, utilizaremos el módulo Seaborn y Pandas para trazar el análisis de series de tiempo en Python. Antes de construir una trama de series de tiempo, examinemos algunos conceptos.

Un diagrama de tiempo (también conocido como gráfico estadístico) muestra valores a medida que cambian con el tiempo. Son como gráficos x-y. Sin embargo, las gráficas de tiempo solo pueden representar el tiempo en el eje X. Mientras que los gráficos X-Y pueden trazar varias variables "X", como la altura, el peso y la edad. Estas parcelas no incluyen categorías, a diferencia de gráficos circulares y gráficos de barras. Las gráficas de tiempo son útiles para mostrar la progresión de los datos a lo largo del tiempo. Por ejemplo, este tipo de gráfico podría ser útil si estuviera analizando datos a intervalos impares.

Supongamos que estamos trazando diagramas de tiempo con el módulo panda. Pandas es una biblioteca de código abierto con sede en Numpy. Un módulo de Python proporciona numerosas estructuras y métodos de datos para procesar datos numéricos y estadísticos. Es más conocido por hacer que la importación y el análisis de datos sean significativamente más simples. Pandas es rápido, de alto rendimiento y fácil de usar.

Ejemplo 1: Creación de una trama de serie de tiempo simple usando una trama de línea

Hemos usado módulos Python para construir las gráficas de la serie temporal. Estos módulos incluyen módulos marinos, pandas y matplotlib. Después de agregar estos módulos, hemos creado datos llamando a la función de cuadro de datos de Panda e insertamos el campo 'Fecha' para el eje X y tres campos más para el eje Y. El campo de fecha tiene datos de series de tiempo, y otros campos tienen listas de números aleatorios.

Luego, tenemos una función de trazado de línea marina donde se establecen los parámetros variables X e Y y pasan todo el marco de datos dentro de él, que se almacena dentro de una variable "DF". Esta gráfica de línea crea una trama de series de tiempo, y hemos definido la ubicación de Xticks con el ángulo especificado.

Importar matplotlib.Pyplot como PLT
Importar Sevorn como SNS
importar pandas como PD
DF = PD.DataFrame ('date': ['2021-04-01', '2022-05-01',
'2022-06-01', '2022-07-01',
'2022-08-01', '2022-09-01',
'2022-10-01', '2022-11-01',
'2022-12-01'],
'A': [35, 47, 18, 12, 11, 10, 31, 29, 62],
'B': [72, 66, 78, 13, 19, 25, 35, 45, 86],
'C': [23, 73, 82, 28, 62, 87, 26, 45, 56],
'D': [22, 75, 26, 34, 15, 14, 54, 25, 24])
SNS.linePlot (x = "fecha", y = "a",
datos = df)
PLT.Xticks (rotación = 20)
PLT.espectáculo()

La trama de la serie Times se representa dentro de la siguiente figura. Esta figura es la trama de la serie de tiempo de una sola columna:

Ejemplo 2: Creación de una gráfica de series de tiempo con numerosas columnas utilizando una trama de línea

El gráfico de series de tiempo anterior se representa con una sola columna. Aquí, hemos importado los módulos Seaborn, Panda y Matplotlib para representar la trama de la serie temporal. Luego, hemos creado datos que tienen cuatro campos definidos. El primer campo se establece con las fechas y establece la fecha del nombre. En los otros campos, hemos establecido el nombre del automóvil, que muestra las ventas del automóvil en una fecha específica.

Después de eso, llamamos a la trama de la línea marítima dos veces pero con los nombres de los diferentes campos. El eje X se asigna con la fecha de campo, y el eje Y se asigna con el campo BMW y ALTO. Establecemos la etiqueta para el eje Y y la rotación de trucos para el eje X con un ángulo de 20.

Importar matplotlib.Pyplot como PLT
Importar Sevorn como SNS
importar pandas como PD
DF = PD.DataFrame ('date': ['2021-04-01', '2022-05-01',
'2022-06-01', '2022-07-01',
'2022-08-01', '2022-09-01',
'2022-10-01', '2022-11-01',
'2022-12-01'],
'BMW': [14, 43, 24, 15, 45, 14, 11, 25, 65],
'Ferrai': [42, 26, 88, 35, 75, 5, 15, 25, 82],
'Alto': [19, 43, 62, 58, 52, 87, 36, 5, 26],
'Cívico': [54, 15, 46, 15, 65, 24, 74, 15, 24])
SNS.linePlot (x = "date", y = "bmw", data = df)
SNS.LinePlot (x = "date", y = "Alto", data = df)
PLT.Ylabel ("BMW y Alto")
PLT.Xticks (rotación = 20)
PLT.espectáculo()

La gráfica de la serie temporal se visualiza con los múltiples campos en la siguiente figura de gráficos:

Ejemplo 3: Cree múltiples gráficos de series de tiempo usando una trama de línea

Podemos crear múltiples gráficos de series de tiempo con varias columnas. Aquí, tenemos una ilustración de ejemplo donde hemos creado las cuatro gráficas de series temporales con la función de trazado de línea. Primero, hemos creado datos dentro de una variable representada por el nombre DF. Luego, hemos creado subtramas para el gráfico de series de tiempo, donde también hemos establecido el tamaño de la figura dentro de la función de la subtrama.

Para cada subtrama, hemos establecido la rotación de las garrapatas. Dentro del gráfico de línea, hemos asignado las columnas para los parámetros X e Y y establecemos el color de cada trama secundaria proporcionando los nombres de color. Hay un parámetro adicional; TRAT_LAYOUT se establece con el valor que ajusta el relleno de las subtramas.

Importar Sevorn como SNS
importar pandas como PD
Importar matplotlib.Pyplot como PLT
DF = PD.DataFrame ('date': ['2022-05-01', '2022-06-01',
'2022-07-01', '2022-08-01',
'2022-09-01', '2022-10-01',
'2022-11-01', '2022-12-01'],
'col_a': [47, 18, 12, 11, 10, 31, 29, 62],
'col_b': [66, 78, 13, 19, 25, 35, 45, 86],
'col_c': [73, 82, 28, 62, 87, 26, 45, 56],
'col_d': [75, 26, 34, 15, 14, 54, 25, 24])
Fig, Ax = PLT.subtramas (2, 2, figsize = (10, 6))
SNS.LinePlot (x = "fecha", y = "col_a",
color = 'g', data = df,
ax = ax [0] [0])
AX [0] [0].tick_params (LabelRotation = 15)
SNS.linePlot (x = "date", y = "col_b",
color = 'b', data = df,
ax = ax [0] [1])
AX [0] [1].tick_params (LabelRotation = 15)
SNS.linePlot (x = "date", y = "col_c",
color = 'r', data = df,
ax = ax [1] [0])
AX [1] [0].tick_params (LabelRotation = 15)
SNS.linePlot (x = "fecha", y = "col_d",
color = 'y', data = df,
ax = ax [1] [1])
AX [1] [1].tick_params (LabelRotation = 15)
higo.TRIT_LAYOUT (pad = 1.25)
PLT.espectáculo()

Aquí, tenemos múltiples representaciones de gráficos de series de tiempo con las diferentes columnas y las diferentes líneas de color utilizando la trama de línea.

Ejemplo 4: Cree una trama de series de tiempo usando una trama de barra

Los valores observados se representan en barras rectangulares usando una gráfica de barra. La técnica SeaBorn Barplot () se utiliza para construir gráficos de barras en el módulo marítimo de Python. Al mostrar datos continuos de la serie temporal, se puede utilizar una gráfica de barras.

Luego, hemos establecido los datos para el gráfico de series de tiempo con la ayuda de la función del módulo panda llamada marco de datos. Dentro del marco de datos, establecimos las fechas y creamos una lista de números que representan el porcentaje de asistencia. Con la función To_DateTime (), hemos establecido el formato de fecha para los gráficos de la serie temporal. También hemos definido el tamaño de la figura de la trama de la serie temporal. Después de eso, tenemos una función Barplot () que toma los valores para los parámetros X e Y para la gráfica de la serie temporal.

importar pandas como PD
Importar matplotlib.Pyplot como PLT
Importar Sevorn como SNS
DF = PD.DataFrame ("fecha": ['01052022', '01062022', '01072022', '01082022',
'01092022', '01102022'],
"Asistencia": [88,78,90,68,84,75])
df ["fecha"] = PD.to_datetime (df ["date"], format = "%d%m%y")
PLT.Figura (Figsize = (10,9))
SNS.Barplot (x = 'date', y = 'asistencia', data = df)
PLT.espectáculo()

Para los datos de la serie de tiempo, el siguiente gráfico proporciona una visualización alternativa:

Conclusión

Este es un resumen básico de cómo generar gráficos de series de tiempo para la entrada relacionada con el tiempo. Cuando tiene varios puntos de datos en un lapso de tiempo específico, un gráfico de series de tiempo es un enfoque excelente para representar sus datos. Desde la creación de un pequeño conjunto de datos con secuencia de pandas hasta integrar un conjunto de datos del mundo real y trazar los gráficos de series temporales que dependen de sus necesidades, este artículo lo guía a través de todo lo que necesita saber.