Matplotlib 时间序列折线图

时间序列是按时间顺序索引的一组数据观测值。这些观测值通常（但不一定）以固定时间间隔记录。时间序列常用于银行、交易、市场营销、科学等行业。最典型的可视化方式是折线图：时间在 x 轴上，测量值在 y 轴上。

在本教程中，我们将探索如何在 Python 主要绘图库 matplotlib 中创建和自定义时间序列折线图。

使用 matplotlib 开始时间序列绘图

导入库并加载数据

首先，我们将导入必要的 Python 库并加载数据——来自 Kaggle 的数据集 Daily Exchange Rates per Euro 1999-2023。我们还会进行一些基本的数据清洗：

import matplotlib
import matplotlib.pyplot as plt
import pandas as pd
from datetime import datetime

df = pd.read_csv('euro-daily-hist_1999_2022.csv')
df = df.iloc[:, [0, 4, 28, -2]]
df.columns = ['Date', 'CAD', 'NZD', 'USD']

for col in ['CAD', 'NZD', 'USD']:
    df = df[df[col] != '-']
    df[col] = pd.to_numeric(df[col])
   
df = df[df['Date'] >= '2022-12-01'].reset_index(drop=True)
print(df.head(3))
print(f'\nThe date range: {df.Date.min()}/{ df.Date.max()}')技术支持

输出：

Date     CAD     NZD     USD
0  2023-01-27  1.4479  1.6759  1.0865
1  2023-01-26  1.4568  1.6799  1.0895
2  2023-01-25  1.4544  1.6792  1.0878

The date range: 2022-12-01/2023-01-27技术支持

将日期/时间字符串转换为 datetime 对象

要高效处理时间序列，我们需要使用 pandas.to_datetime 函数将日期或时间字符串转换为 datetime 对象：

df['Date'] = pd.to_datetime(df['Date'])
print(df['Date'].dtypes)技术支持

输出：

datetime64[ns]技术支持

如果您需要复习如何在 Python 中处理时间序列，Manipulating Time Series Data in Python 课程可能对您有帮助。

将 datetime 列设为数据框索引

现在，让我们使用 set_index 方法将 Date 列设为数据框索引：

df = df.set_index('Date')
print(df.head(3))技术支持

输出：

              CAD     NZD     USD
Date                             
2023-01-27  1.4479  1.6759  1.0865
2023-01-26  1.4568  1.6799  1.0895
2023-01-25  1.4544  1.6792  1.0878技术支持

创建基础的单线 matplotlib 时间序列图

要创建基础的时间序列折线图，我们使用标准的 matplotlib.pyplot.plot(x, y) 方法：

plt.plot(df.index, df['CAD'])技术支持

输出：

创建多线 matplotlib 时间序列图

要创建多线时间序列图，只需将 matplotlib.pyplot.plot(x, y) 方法按需调用多次：

plt.plot(df.index, df['CAD'])
plt.plot(df.index, df['NZD'])
plt.plot(df.index, df['USD'])技术支持

使用 for 循环可以让上述代码更简洁：

for col in ['CAD', 'NZD', 'USD']:
    plt.plot(df.index, df[col])技术支持

输出：

自定义 matplotlib 时间序列图

为使时间序列折线图更易读、更有说服力，我们需要对其进行自定义。可以应用一些常见的 matplotlib 调整，如自定义画布大小、添加并自定义图表标题与坐标轴标签、修改线条属性、添加并自定义标记等。还有一些仅针对时间序列折线图的调整，例如自定义时间轴刻度及其标签，或高亮特定时间区间。

自定义画布与坐标轴

使用标准的 matplotlib 方法，我们可以通过多种方式自定义时间序列折线图的画布与坐标轴，下面的代码注释进行了说明：

# Adjusting the figure size
fig = plt.subplots(figsize=(16, 5))

# Creating a plot
plt.plot(df.index, df['CAD'])

# Adding a plot title and customizing its font size
plt.title('EUR-CAD rate', fontsize=20)

# Adding axis labels and customizing their font size
plt.xlabel('Date', fontsize=15)
plt.ylabel('Rate', fontsize=15)

# Rotaing axis ticks and customizing their font size
plt.xticks(rotation=30, fontsize=15)

# Changing the plot resolution - zooming in the period from 15.12.2022 till 15.01.2023
plt.xlim(pd.Timestamp('2022-12-15'), pd.Timestamp('2023-01-15'))技术支持

输出：

自定义线条属性

与一般折线图类似，可以更改时间序列折线图的线条属性，如颜色、样式或宽度：

plt.plot(df.index, df['CAD'], color='green', linestyle='dashed', linewidth=3)技术支持

输出：

添加并自定义标记

与任何折线图一样，我们可以在时间序列折线图上添加标记，并自定义其形状、颜色、边框颜色和大小：

plt.plot(df.index, df['CAD'], marker='o', markerfacecolor='yellow', markeredgecolor='red', markersize=8)技术支持

自定义时间轴刻度

先创建一个带有基本自定义项的 matplotlib 时间序列折线图：

fig = plt.subplots(figsize=(16, 5))
plt.plot(df.index, df['CAD'])
plt.title('EUR-CAD rate', fontsize=20)
plt.xlabel('Date', fontsize=15)
plt.ylabel('Rate', fontsize=15)
plt.xlim(df.index.min(), df.index.max())技术支持

输出：

可以看到，matplotlib 默认会显示一些随机的刻度及其标签。不过我们可能希望控制时间轴上显示哪些刻度。在这种情况下，需要将所需日期（或时间）的字符串或 pandas 时间戳列表传给 matplotlib.pyplot.xticks 方法：

fig = plt.subplots(figsize=(16, 5))
plt.plot(df.index, df['CAD'])
plt.title('EUR-CAD rate', fontsize=20)
plt.xlabel('Date', fontsize=15)
plt.ylabel('Rate', fontsize=15)
plt.xlim(df.index.min(), df.index.max())

# Defining and displaying time axis ticks
ticks = ['2022-12-05', '2023-01-02', '2023-01-20']
plt.xticks(ticks)技术支持

输出：

如上所示，matplotlib 展示了选定的刻度，并自动为其添加了标签。

如果我们希望显示所有刻度，则应将时间序列的索引列表传给 matplotlib.pyplot.xticks 方法：

fig = plt.subplots(figsize=(16, 5))
plt.plot(df.index, df['CAD'])
plt.title('EUR-CAD rate', fontsize=20)
plt.xlabel('Date', fontsize=15)
plt.ylabel('Rate', fontsize=15)
plt.xlim(df.index.min(), df.index.max())

# Defining and displaying all time axis ticks
ticks = list(df.index)
plt.xticks(ticks, rotation=45)技术支持

输出：

自定义时间轴刻度标签

上图的时间轴刻度标签可能显得过于密集。我们可以对其进行格式化以提升可读性。为此，可以使用 matplotlib.dates.DateFormatter 类，并传入一个 strftime 格式字符串，指定希望日期/时间的显示方式。然后，将该格式器传给 matplotlib.axis.XAxis.set_major_formatter 方法：

fig, ax = plt.subplots(figsize=(16, 5))
plt.plot(df.index, df['CAD'])
plt.title('EUR-CAD rate', fontsize=20)
plt.xlabel('Date', fontsize=15)
plt.ylabel('Rate', fontsize=15)
plt.xlim(df.index.min(), df.index.max())
ticks = list(df.index)
plt.xticks(ticks, rotation=45)

# Formatting time axis tick labels
ax.xaxis.set_major_formatter(matplotlib.dates.DateFormatter('%b %d'))技术支持

输出：

此文档页面提供了所有可用 strftime 格式代码的完整列表。

高亮特定时间区间

有时，我们可能希望在时间序列折线图上对某些时间区间进行着色高亮。为此可以使用 matplotlib.pyplot.axvspan 方法。它需要两个必填参数：感兴趣区间的起止时间点（datetime 格式）。此外，该方法还可接收一些可选参数以自定义高亮区域的外观，如颜色、边框颜色、透明度、线宽或填充样式。

让我们将此技巧应用到上一节的图表中：

fig, ax = plt.subplots(figsize=(16, 5))
plt.plot(df.index, df['CAD'])
plt.title('EUR-CAD rate', fontsize=20)
plt.xlabel('Date', fontsize=15)
plt.ylabel('Rate', fontsize=15)
plt.xlim(df.index.min(), df.index.max())
ticks = list(df.index)
plt.xticks(ticks, rotation=45)
ax.xaxis.set_major_formatter(matplotlib.dates.DateFormatter('%b %d'))

# Highlighting the time period from 15.12.2022 to 1.01.2023 and customizing the shaded area
plt.axvspan(datetime(2022, 12, 15), datetime(2023, 1, 1), facecolor='yellow', alpha=0.5, hatch='/', edgecolor='red', linewidth=5)技术支持

输出：

将 matplotlib 时间序列折线图保存为文件

我们可以选择将时间序列折线图保存为图像文件，而不仅仅是显示出来。为此，使用 matplotlib.pyplot.savefig 方法并传入文件名。比如，回到我们最初的基础图：

plt.plot(df.index, df['CAD'])

# Saving the resulting plot to a file
plt.savefig('time series line plot.png')技术支持

上面我们将图表保存为名为 time series line plot.png 的文件，并与当前程序位于同一目录。

结语

总之，在本教程中，我们讨论了如何在 matplotlib 中创建和自定义时间序列折线图，涵盖了常见的 matplotlib 方法以及仅适用于时间序列可视化的更高级方法。

在掌握这些基础技巧后，您可能希望更深入地学习如何在 Python 中处理并可视化时间序列数据。您可以考虑以下全面、适合初学者、端到端的资源：

Time Series with Python 学习路径
Time Series Analysis in Python 课程
Visualizing Time Series Data in Python 课程

主题

Python 数据可视化

主题

技术