当前位置：首页 > news >正文

使用 Plotnine 进行时间序列可视化的分步指南

news 2026/5/3 5:39:37

原文：towardsdatascience.com/step-by-step-guide-to-time-series-visualization-using-plotnine-3a2306aeafe0

https://github.com/OpenDocCN/towardsdatascience-blog-zh-2024/raw/master/docs/img/9a8458a301a4b3fe5e6af4a0cdc16fbe.png

图片由 Alex Litvin 在 Unsplash 上提供

可视化是快速有效地从数据中获取见解的方法。本文提供了使用图形探索时间序列的逐步指南。

我们将使用 6 种不同的图来揭示时间序列的不同方面。我们将专注于 Python 的 plotnine，这是一种图形语法类型的库。

简介

探索性数据分析是一种旨在揭示数据集潜在结构的分析方法。几乎总是，这个过程涉及到使用图形技术来可视化数据。

使用图形进行时间序列分析是快速从数据中提取见解的方法，例如：

揭示基本模式，如趋势或季节性
检测不规则性，包括缺失数据或异常值
检测分布中的变化

在本文的其余部分，你将学习如何构建 6 个图形来探索时间序列。

探索时间序列

让我们从加载一个时间序列开始。在本指南中，我们将使用 M3 数据集中可用的月度时间序列 [2]。我们从datasetsforecast库中获取它：

fromdatasetsforecast.m3importM3 dataset,*_=M3.load('./data','Monthly')series=dataset.query(f'unique_id=="M400"')

你将学习如何使用 plotnine 创建图形。这个库类似于 Python 的 ggplot2。让我们先设置主题：

importplotnineasp9 MY_THEME=p9.theme_538(base_family='Palatino',base_size=12)+p9.theme(plot_margin=.025,axis_text_y=p9.element_text(size=10),panel_background=p9.element_rect(fill='white'),plot_background=p9.element_rect(fill='white'),strip_background=p9.element_rect(fill='white'),legend_background=p9.element_rect(fill='white'),axis_text_x=p9.element_text(size=10))

我们将使用基于 538 的主题，并进行一些额外修改。

时间图

在分析时间序列时，你首先想要做的可能是时间图。时间图是一种线形图的实例，其中你将序列的值与时间进行对比：

time_plot=p9.ggplot(data=series)+p9.aes(x='ds',y='y')+MY_THEME+p9.geom_line(color='#58a63e',size=1)+p9.labs(x='Datetime',y='value')

https://github.com/OpenDocCN/towardsdatascience-blog-zh-2024/raw/master/docs/img/716f3020124a70d33da78313c9055b2a.png

时间序列分解的时间图。图片由作者提供

此图展示了时间序列的基本模式，例如趋势或季节性。使用时间图，分布的变化，无论是均值还是方差，通常也容易检测到。

示例时间序列表现出随机趋势。序列的水平在某个点上增加，然后数据开始降低水平。此外，规则的波动表明存在季节性结构。

你也可以使用分解数据构建时间图。首先，我们使用 STL 对时间序列进行分解：

importpandasaspdfromstatsmodels.tsa.seasonalimportSTL ts_decomp=STL(series['y'],period=12).fit()components={'Trend':ts_decomp.trend,'Seasonal':ts_decomp.seasonal,'Residuals':ts_decomp.resid,}components_df=pd.DataFrame(components).reset_index()melted_data=components_df.melt('index')

然后，我们使用类似这样的 _facetgrid为每个部分创建时间图：

fromnumerizeimportnumerize# a nice trick to summarise large values in graphicslabs=lambdalst:[numerize.numerize(x)forxinlst]decomposed_timeplot=p9.ggplot(melted_data)+p9.aes(x='index',y='value')+p9.facet_grid('variable ~.',scales='free')+MY_THEME+p9.geom_line(color='#58a63e',size=1)+p9.labs(x='Datetime index')+p9.scale_y_continuous(labels=labs)

https://github.com/OpenDocCN/towardsdatascience-blog-zh-2024/raw/master/docs/img/83d0ba73025e64bc5e7d83f08a3da637.png

时间序列分解的时间图。图片由作者提供

这种变体使得检查每个组件变得更加容易。在这种情况下，趋势和季节性影响变得清晰可见。

我们使用numerize来使大数字更易于阅读。你还可以将此样式添加到任何其他图表中。

滞后图

滞后图是散点图的一个实例，其中你将时间序列的每个值与过去（通常是上一个）值进行对比。

X=[series['y'].shift(i)foriinlist(range(2,0,-1))]X=pd.concat(X,axis=1).dropna()X.columns=['t-1','t']lag_plot=p9.ggplot(X)+p9.aes(x='t-1',y='t')+MY_THEME+p9.geom_point(color='#58a63e')+p9.labs(x='Series at time t-1',y='Series at time t')+p9.scale_y_continuous(labels=labs)+p9.scale_x_continuous(labels=labs)

滞后图可以揭示序列结构。具有自相关的时序点的分布将沿着对角线聚集。这种聚集与自相关的强度一样明显。如果数据是随机的，那么数据点将在图形上分布得四处都是。这意味着过去值对未来没有提供任何信息。

https://github.com/OpenDocCN/towardsdatascience-blog-zh-2024/raw/master/docs/img/e0894e836dcfba03871d70fc21369613.png

示例时间序列的滞后图。图片由作者提供。

滞后图也有助于检测异常值。这些点将与其他点隔离。

示例时间序列的值倾向于聚集在对角线上，但随着值的增大，方差也会增加。这似乎表明序列包含一个自回归结构。

自相关图

自相关是衡量时间序列在观察过去值（滞后）时与其自身相关性的度量。绘制自相关图也有助于传达关于序列结构的线索。

你可以使用statsmodels来计算自相关：

importnumpyasnpfromstatsmodels.tsa.stattoolsimportacf acf_x=acf(series['y'],nlags=24,alpha=0.05,bartlett_confint=True)acf_vals,acf_conf_int=acf_x[:2]acf_df=pd.DataFrame({'ACF':acf_vals,'ACF_low':acf_conf_int[:,0],'ACF_high':acf_conf_int[:,1],})acf_df['Lag']=['t']+[f't-{i}'foriinrange(1,25)]acf_df['Lag']=pd.Categorical(acf_df['Lag'],categories=acf_df['Lag'])

然后，我们使用plotnine来构建棒棒糖图：

significance_thr=2/np.sqrt(len(series['y']))acf_plot=p9.ggplot(acf_df,p9.aes(x='Lag',y='ACF'))+p9.geom_hline(yintercept=significance_thr,linetype='dashed',color='#58a63e',size=.8)+p9.geom_hline(yintercept=-significance_thr,linetype='dashed',color='#58a63e',size=.8)+p9.geom_hline(yintercept=0,linetype='solid',color='black',size=1)+p9.geom_segment(p9.aes(x='Lag',xend='Lag',y=0,yend='ACF'),size=1.5,color='#58a63e')+p9.geom_point(size=4,color='darkgreen',)+MY_THEME

https://github.com/OpenDocCN/towardsdatascience-blog-zh-2024/raw/master/docs/img/6e5840dd5f18e6972889d2d60a13a9db.png

自相关图。图片由作者提供

随着滞后值的增加，自相关的变化提供了关于序列结构的线索。如果自相关始终接近于零，这意味着序列是白噪声或随机序列。

随着滞后值的增加，衰减速度缓慢，这表明存在趋势。有时自相关会显示出具有季节滞后峰值的振荡模式。这种模式表明存在强烈的季节性成分。

季节性子序列图

一些图形是为了探索季节性效应而量身定制的，例如季节性图或季节性子序列图。

季节性子序列图通过以下方式按季节周期对序列进行分组：

grouped_df=series.groupby('Month')['y']group_avg=grouped_df.mean()group_avg=group_avg.reset_index()series['Month']=pd.Categorical(series['Month'],categories=series['Month'].unique())group_avg['Month']=pd.Categorical(group_avg['Month'],categories=series['Month'].unique())seas_subseries_plot=p9.ggplot(series)+p9.aes(x='ds',y='y')+MY_THEME+p9.theme(axis_text_x=p9.element_text(size=8,angle=90),legend_title=p9.element_blank(),strip_background_x=p9.element_text(color='#58a63e'),strip_text_x=p9.element_text(size=11))+p9.geom_line()+p9.facet_grid('. ~Month')+p9.geom_hline(data=group_avg,mapping=p9.aes(yintercept='y'),colour='darkgreen',size=1)+p9.scale_y_continuous(labels=labs)+p9.scale_x_datetime(breaks=date_breaks('2 years'),labels=date_format('%Y'))+p9.labs(y='value')seas_subseries_plot+p9.theme(figure_size=(10,4))

https://github.com/OpenDocCN/towardsdatascience-blog-zh-2024/raw/master/docs/img/4cc62a88b47f300fba722b50f17cf33b.png

此图对于揭示季节周期内和跨季节周期的模式非常有用。

在示例时间序列中，我们可以看到平均值在三月最低。在某些月份，例如五月，序列显示出强烈的正向趋势。

分组密度图

时间序列容易受到变化或干预的影响。

有时，时间序列所代表的事物会因为某些事件而发生变化。你可以使用图形技术来理解这些事件的影响。例如，你可以使用以下分组密度图：

# some event happens at index 23change_index=23before,after=train_test_split(series,train_size=change_index,shuffle=False)n_bf,n_af=before.shape[0],after.shape[0]p1_df=pd.DataFrame({'Series':before['y'],'Id':range(n_bf)})p1_df['Part']='Before change'p2_df=pd.DataFrame({'Series':after['y'],'Id':range(n_af)})p2_df['Part']='After change'df=pd.concat([p1_df,p2_df])df['Part']=pd.Categorical(df['Part'],categories=['Before change','After change'])group_avg=df.groupby('Part').mean()['Series']density_plot=p9.ggplot(df)+p9.aes(x='Series',fill='Part')+MY_THEME+p9.theme(legend_position='top')+p9.geom_vline(xintercept=group_avg,linetype='dashed',color='steelblue',size=1.1,alpha=0.7)+p9.geom_density(alpha=.2)