时间序列使用Seaborn绘制最小/最大着色

Question

我正在尝试根据以下数据在周x重载图中创建一个3行时间序列图，其中每个簇都是不同的行。

我对每个（Cluster，Week）对有多个观察结果（每个atm对应5个，将有1000个）。我希望该行上的点是该特定（簇，周）对的平均过载值，并且该带是它的最小/最大值。

目前使用以下代码来绘制它，但我没有得到任何行，因为我不知道使用当前数据帧指定的单位：

public class ForecastPK implements Serializable {
    private Integer periodYear;
    private Integer periodMonth;
    private ContractPK contract;
    ...
}

GIST Data

我有一种感觉我仍然需要重新塑造我的数据帧，但我不知道如何。寻找看起来像

的最终结果

Answer 1

基于this incredible answer，我能够创建一个猴子补丁来完美地完成你想要的东西。

import pandas as pd
import seaborn as sns    
import seaborn.timeseries

def _plot_range_band(*args, central_data=None, ci=None, data=None, **kwargs):
    upper = data.max(axis=0)
    lower = data.min(axis=0)
    #import pdb; pdb.set_trace()
    ci = np.asarray((lower, upper))
    kwargs.update({"central_data": central_data, "ci": ci, "data": data})
    seaborn.timeseries._plot_ci_band(*args, **kwargs)

seaborn.timeseries._plot_range_band = _plot_range_band

cluster_overload = pd.read_csv("TSplot.csv", delim_whitespace=True)
cluster_overload['Unit'] = cluster_overload.groupby(['Cluster','Week']).cumcount()

ax = sns.tsplot(time='Week',value="Overload", condition="Cluster", unit="Unit", data=cluster_overload,
               err_style="range_band", n_boot=0)

输出图：

请注意，阴影区域与折线图中的真实最大值和最小值对齐！

如果你弄清楚为什么需要unit变量，请告诉我。

如果你不希望它们全部出现在同一个图表上，那么：

import pandas as pd
import seaborn as sns
import seaborn.timeseries


def _plot_range_band(*args, central_data=None, ci=None, data=None, **kwargs):
    upper = data.max(axis=0)
    lower = data.min(axis=0)
    #import pdb; pdb.set_trace()
    ci = np.asarray((lower, upper))
    kwargs.update({"central_data": central_data, "ci": ci, "data": data})
    seaborn.timeseries._plot_ci_band(*args, **kwargs)

seaborn.timeseries._plot_range_band = _plot_range_band

cluster_overload = pd.read_csv("TSplot.csv", delim_whitespace=True)
cluster_overload['subindex'] = cluster_overload.groupby(['Cluster','Week']).cumcount()

def customPlot(*args,**kwargs):
    df = kwargs.pop('data')
    pivoted = df.pivot(index='subindex', columns='Week', values='Overload')
    ax = sns.tsplot(pivoted.values, err_style="range_band", n_boot=0, color=kwargs['color'])

g = sns.FacetGrid(cluster_overload, row="Cluster", sharey=False, hue='Cluster', aspect=3)
g = g.map_dataframe(customPlot, 'Week', 'Overload','subindex')

产生以下内容，（如果您认为比例关闭，您可以使用宽高比）

Answer 2

我终于使用了旧的plot，其设计（子图）似乎（对我来说）更具可读性。

df = pd.read_csv('TSplot.csv', sep='\t', index_col=0)
# Compute the min, mean and max (could also be other values)
grouped = df.groupby(["Cluster", "Week"]).agg({'Overload': ['min', 'mean', 'max']}).unstack("Cluster")

# Plot with sublot since it is more readable
axes = grouped.loc[:,('Overload', 'mean')].plot(subplots=True)

# Getting the color palette used
palette = sns.color_palette()

# Initializing an index to get each cluster and each color
index = 0
for ax in axes:
    ax.fill_between(grouped.index, grouped.loc[:,('Overload', 'mean', index + 1)], 
                    grouped.loc[:,('Overload', 'max', index + 1 )], alpha=.2, color=palette[index])
    ax.fill_between(grouped.index, 
                    grouped.loc[:,('Overload', 'min', index + 1)] , grouped.loc[:,('Overload', 'mean', index + 1)], alpha=.2, color=palette[index])
    index +=1

Answer 3

我真的以为我可以用seaborn.tsplot来做。但它看起来并不合适。这是我用seaborn得到的结果：

cluster_overload = pd.read_csv("TSplot.csv", delim_whitespace=True)
cluster_overload['Unit'] = cluster_overload.groupby(['Cluster','Week']).cumcount()
ax = sns.tsplot(time='Week',value="Overload", condition="Cluster", ci=100, unit="Unit", data=cluster_overload)

输出：

我真的很困惑为什么unit参数是必要的，因为我的理解是所有数据都是基于(time, condition)聚合的Seaborn Documentation将unit定义为< / p>

  

标识采样单元的数据DataFrame中的字段（例如，   主题，神经元等）。错误表示将崩溃   每个时间/条件观察单位。这在数据时没有任何作用   是一个数组。

我不确定＆＃39;崩溃的含义 - 特别是因为我的定义不会使其成为必需的变量。

无论如何，如果你想要完全你所讨论的内容，那么这就是输出，而不是那么漂亮。我不确定如何手动遮挡这些区域，但如果你想出来请分享。

cluster_overload = pd.read_csv("TSplot.csv", delim_whitespace=True)
grouped = cluster_overload.groupby(['Cluster','Week'],as_index=False)
stats = grouped.agg(['min','mean','max']).unstack().T
stats.index = stats.index.droplevel(0)

colors = ['b','g','r']
ax = stats.loc['mean'].plot(color=colors, alpha=0.8, linewidth=3)
stats.loc['max'].plot(ax=ax,color=colors,legend=False, alpha=0.3)
stats.loc['min'].plot(ax=ax,color=colors,legend=False, alpha=0.3)

输出：