python 折线图_python时间序列型图表折线图和面积图系列

折线图与面积图系列

时间序列型图表

• 折线图与面积图系列

• 折线图

• 面积图

• 日历图

• 量化波形图

折线图

• 折线图(line chart)用于在连续间隔或时间跨度上显示定量数值；

• 常用来显示趋势和关系；

• 主要应用于时间系列数据可视化；

• 能够体现某些时间段内的整体概览，看看数据在这段时间内的发展情况；

绘制折线图

• 先在笛卡尔坐标系上定出数据点；

• 用直线把这些点连接起来；

• 折线图

• X轴包括类别型或序数型变量；

• 分别对应文本坐标轴和序数坐标轴两种类型；

• Y轴为数值型变量；

面积图

• 面积图(area graph)又称区域图

• 是在折线图基础之上形成；

• 将折线图中折线与自变量坐标轴之间的区域使用颜色或纹理填充

• 填充区域称为“面积”；

• 常用来显示趋势和关系；

• 可以更好突出趋势信息，同时让图表更加美观；

• 能够体现某些时间段内的整体概览，看看数据在这段时间内的发展情况；

绘制面积图需要注意

• 颜色要带有一定的透明度；

• 透明度可以很好观察不同数据序列之间的重叠关系；

• 避免数据之间遮挡；

• 数据系列最好不要超过3个；

颜色映射填充面积图

• 将折线部分的数据点根据Y值颜色映射到颜色渐变主题；

• 可以更好促进数据信息表达；

• 只适用于单数据系列面积图；

两条折线间填充面积图

• 两条折线之间可以使用面积填充，可以清晰观察数据之间的差异变化；

• 只适用于双数据系列的数值差异比较展示；

折线图和面积图系列的绘制方法

使用plotnine包绘制多数据系列折线图和面积图

• plotnine包的geom_line()函数可以绘制折线图；

• geom_area()函数可以绘制面积图；

• geom_ribbon()函数可以绘制夹层填充面积图

多数据系列图---折线图

import pandas as pd

import numpy as np

from plotnine import *

#from plotnine.data import *

import matplotlib.pyplot as plt

from datetime import datetime

df=pd.read_csv('d:/python/out/LineD.csv')

df['date']=[datetime.strptime(d, '%Y/%m/%d').date() for d in df['date']]#df['date'].map(lambda x:datetime.datetime.strptime(x, '%Y/%m/%d').date())

melt_df=pd.melt(df,id_vars=["date"],var_name='variable',value_name='value')

#多数据系列图. (a)折线图

base_plot=(ggplot(melt_df, aes(x ='date', y = 'value',

group='variable',color='variable') )+

#geom_area(fill="#FF6B5E",alpha=0.75)+

geom_line(size=1)+

scale_x_date(date_labels = "%Y",date_breaks = "2 year")+

scale_fill_hue(s = 0.90, l = 0.65, h=0.0417,color_space='husl')+

xlab("Year")+

ylab("Value")+

theme( axis_title=element_text(size=10,face="plain",color="black"),

axis_text = element_text(size=10,face="plain",color="black"),

legend_position = (0.25,0.8),

legend_background = element_blank(),

aspect_ratio =0.85,

figure_size = (5, 5),

dpi = 100

))

print(base_plot)

夹层填充面积图---单色

import pandas as pd

import numpy as np

from plotnine import *

#from plotnine.data import *

import matplotlib.pyplot as plt

from datetime import datetime

#夹层填充面积图---单色

df=pd.read_csv('d:/python/out/LineD.csv')

df['date']=[datetime.strptime(d, '%Y/%m/%d').date() for d in df['date']]#df['date'].map(lambda x:datetime.datetime.strptime(x, '%Y/%m/%d').date())

df['ymin']=df[['AMZN','AAPL']].apply(lambda x: x.min(), axis=1)

df['ymax']=df[['AMZN','AAPL']].apply(lambda x: x.max(), axis=1)

melt_df=pd.melt(df[['date','AMZN','AAPL']],id_vars=["date"],var_name='variable',value_name='value')

base_plot4=(ggplot()+

geom_ribbon( aes(x ='date',ymin='ymin', ymax='ymax',group=1),df,alpha=0.5,fill="white",color="none")+

#geom_area(aes(fill=variable),alpha=0.5,position="identity")+

geom_line(aes(x ='date',y='value',color='variable',group='variable'),melt_df,size=0.75)+#color="black",

scale_x_date(date_labels = "%Y",date_breaks = "2 year")+

xlab("Year")+

ylab("Value")+

scale_colour_manual(name = "Variable",

labels = ("AMZN", "AAPL"),

values = ("#FF6B5E", "#00B2F6"))+

theme(

axis_title=element_text(size=10,face="plain",color="black"),

axis_text = element_text(size=10,face="plain",color="black"),

legend_background = element_blank(),

legend_position = (0.25,0.75),

aspect_ratio =0.85,

figure_size = (5, 5),

dpi = 100

))

print(base_plot4)

多数据系列图---面积图

import pandas as pd

import numpy as np

from plotnine import *

#from plotnine.data import *

import matplotlib.pyplot as plt

from datetime import datetime

df=pd.read_csv('d:/python/out/LineD.csv')

df['date']=[datetime.strptime(d, '%Y/%m/%d').date() for d in df['date']]#df['date'].map(lambda x:datetime.datetime.strptime(x, '%Y/%m/%d').date())

melt_df=pd.melt(df,id_vars=["date"],var_name='variable',value_name='value')

#-多数据系列图---面积图.

base_plot1=(ggplot(melt_df, aes(x ='date', y = 'value',group='variable') )+

geom_area(aes(fill='variable'),alpha=0.75,position="identity")+

geom_line(aes(color='variable'),size=0.75)+#color="black",

scale_x_date(date_labels = "%Y",date_breaks = "2 year")+

scale_fill_hue(s = 0.90, l = 0.65, h=0.0417,color_space='husl')+

xlab("Year")+

ylab("Value")+

theme( axis_title=element_text(size=10,face="plain",color="black"),

axis_text = element_text(size=10,face="plain",color="black"),

legend_position = (0.25,0.8),

legend_background = element_blank(),

aspect_ratio =0.85,

figure_size = (5, 5),

dpi = 100

))

print(base_plot1)

填充面积折线图---纯色填

import pandas as pd

import numpy as np

from plotnine import *

#from plotnine.data import *

import matplotlib.pyplot as plt

from datetime import datetime

#填充面积折线图. (a)纯色填

df=pd.read_csv('d:/python/out/AreaD.csv')

df['date']=[datetime.strptime(d, '%Y/%m/%d').date() for d in df['date']]#df['date'].map(lambda x:datetime.datetime.strptime(x, '%Y/%m/%d').date())

base_plot2=(ggplot(df, aes(x ='date', y = 'value',group=1) )+

geom_area(fill="#FF6B5E",alpha=0.75,color='none')+

geom_line(color="black",size=0.75)+

scale_x_date(date_labels = "%Y",date_breaks = "2 year")+

xlab("Year")+

ylab("Value")+

theme( axis_title=element_text(size=10,face="plain",color="black"),

axis_text = element_text(size=10,face="plain",color="black"),

#legend_background = element_blank(),

aspect_ratio =0.85,

figure_size = (5, 5),

dpi = 100)

)

print(base_plot2)

填充面积折线图---颜色映射填充

import pandas as pd

import numpy as np

from plotnine import *

#from plotnine.data import *

import matplotlib.pyplot as plt

from datetime import datetime

#填充面积折线图.(b)颜色映射填充.

#从scipy库中导入插值需要的方法 interpolate

from scipy import interpolate

import time

df=pd.read_csv('d:/python/out/AreaD.csv')

df['x']=[time.mktime(time.strptime(d, '%Y/%m/%d')) for d in df['date']]

f = interpolate.interp1d(df['x'], df['value'], kind='quadratic')

#插值方式:nearest：最邻近插值法；zero：阶梯插值；slinear、linear：线性插值；quadratic、cubic：2、3阶B样条曲线插值

x_new=np.linspace(np.min(df['x']),np.max(df['x']),600)

df_interpolate=pd.DataFrame(dict(x=x_new,value=f(x_new)))

df_interpolate['date']=[datetime.strptime(time.strftime('%Y-%m-%d', time.gmtime(d)), '%Y-%m-%d') for d in df_interpolate['x']]#df['date'].map(lambda x:datetime.datetime.strptime(x, '%Y/%m/%d').date())

base_plot3=(ggplot(df_interpolate, aes(x ='date', y = 'value',group=1) )+ #geom_area(fill="#FF6B5E",alpha=0.75)

geom_bar(aes(fill='value',colour='value'),stat = "identity",alpha=1,width =2)+

geom_line(color="black",size=0.5)+

scale_color_cmap(name ='Reds')+

# scale_color_gradientn(colours=brewer.pal(9,'Reds'),name = "Value")+

scale_x_date(date_labels = "%Y",date_breaks = "2 year")+

xlab("Year")+

ylab("Value")+

guides(fill=False)+

theme(

axis_title=element_text(size=10,face="plain",color="black"),

axis_text = element_text(size=10,face="plain",color="black"),

legend_background = element_blank(),

legend_position = (0.25,0.65),

aspect_ratio =0.85,

figure_size = (5, 5),

dpi = 100

))

print(base_plot3)

使用matplotlib包绘制多数据系列折线图和面积图

matplotlib包的plt.plot()函数和plt.fill_between()函数可以绘制多数据系列折线图和面积图

多数据系列图---折线图

import seaborn as sns

import pandas as pd

import matplotlib.pyplot as plt

from datetime import datetime

df=pd.read_csv('d:/python/out/LineD.csv',index_col =0)

df.index=[datetime.strptime(d, '%Y/%m/%d').date() for d in df.index]

#多数据系列图---折线图

fig =plt.figure(figsize=(5,4), dpi=100)

plt.plot(df.index, df.AMZN, color='#F94306', label='AMZN')

plt.plot(df.index, df.AAPL, color='#06BCF9', label='AAPL')

plt.xlabel("Year")

plt.ylabel("Value")

plt.legend(loc='upper left',edgecolor='none',facecolor='none')

plt.show()

多数据系列图---面积图

import seaborn as sns

import pandas as pd

import matplotlib.pyplot as plt

from datetime import datetime

df=pd.read_csv('d:/python/out/LineD.csv',index_col =0)

df.index=[datetime.strptime(d, '%Y/%m/%d').date() for d in df.index]

#多数据系列图.(b)面积图.

columns=df.columns

colors=["#F94306","#06BCF9"]

fig =plt.figure(figsize=(5,4), dpi=100)

plt.fill_between(df.index.values, y1=df.AMZN.values, y2=0, label=columns[1], alpha=0.75, facecolor=colors[0], linewidth=1,edgecolor ='k')

plt.fill_between(df.index.values, y1=df.AAPL.values, y2=0, label=columns[0], alpha=0.75, facecolor=colors[1], linewidth=1,edgecolor ='k')

plt.xlabel("Year")

plt.ylabel("Value")

plt.legend(loc='upper left',edgecolor='none',facecolor='none')

plt.show()

夹层填充面积图---单色

import seaborn as sns

import pandas as pd

import matplotlib.pyplot as plt

from datetime import datetime

#夹层填充面积图---单色

df=pd.read_csv('d:/python/out/LineD.csv')

df['date']=[datetime.strptime(d, '%Y/%m/%d').date() for d in df['date']]

df['ymin']=df[['AMZN','AAPL']].apply(lambda x: x.min(), axis=1)

df['ymax']=df[['AMZN','AAPL']].apply(lambda x: x.max(), axis=1)

fig =plt.figure(figsize=(5,4), dpi=100)

plt.fill_between(df.date.values, y1=df.ymax.values, y2=df.ymin.values, alpha=0.15, facecolor='black', linewidth=1,edgecolor ='k')

plt.plot(df.date, df.AMZN, color='#F94306', label='AMZN')

plt.plot(df.date, df.AAPL, color='#06BCF9', label='AAPL')

plt.xlabel("Year")

plt.ylabel("Value")

plt.legend(loc='upper left',edgecolor='none',facecolor='none')

plt.show()