如何在Pandas中绘制多颜色的时间序列线？

在数据可视化的过程中，多颜色的时间序列线经常被用来更好的呈现数据。在Pandas中，我们可以很容易地为时间序列线设置不同的颜色。在本文中，我们将演示如何在Pandas中绘制多颜色的时间序列线。

创建Pandas时间序列

在开始之前，我们需要创建一个Pandas时间序列。我们可以使用Pandas的日期时间索引，并在上面生成随机数，以模拟时间序列。

import pandas as pd
import numpy as np
import matplotlib.pyplot as plt

# 创建日期时间索引，并生成随机数
rng = pd.date_range('1/1/2021', periods=50, freq='D')
ts = pd.Series(np.random.randn(len(rng)), index=rng)

绘制简单的时间序列线

在绘制多颜色的时间序列线之前，我们需要先绘制一个简单的时间序列线。我们可以使用Pandas的plot函数，简单地传递时间序列索引和值即可。

# 绘制简单的时间序列线
ts.plot()
plt.show()

如上图所示，我们已经可以成功地绘制了一个简单的时间序列线。

绘制多颜色的时间序列线

为了绘制多颜色的时间序列线，我们需要将时间序列线分成几个部分，并为每个部分设置不同的颜色。

例如，我们可以将时间序列线分成三个部分：正值、负值和零值，然后分别设置蓝色、红色和灰色为它们的颜色。

# 将时间序列线分成三个部分，并做颜色映射
pos = ts.where(ts > 0, 0)
neg = ts.where(ts < 0, 0)
zero = ts.where(ts == 0, 0)

# 设置颜色映射
colors = np.array(['r', 'b', 'g'])

接下来，我们需要创建三个子图，并将每个子图与颜色映射相关联。将三个子图绘制在一个坐标系上，而每个子图将与相应的数据部分相关联。

# 创建三个子图，并设置颜色为相应数据部分
fig, ax = plt.subplots()
ax.plot(pos.index, pos.values, colors[(pos != 0).astype(int)], label='Positive Values')
ax.plot(neg.index, neg.values, colors[(neg != 0).astype(int)], label='Negative Values')
ax.plot(zero.index, zero.values, 'gray', label='Zero Values')

最后，我们需要为坐标系设置图例，并将时间序列线的标签设置为日期时间索引的字符串表示。

# 设置图例并调整标签格式
ax.legend()
ax.xaxis.set_major_formatter(mdates.DateFormatter('%Y-%m-%d'))
plt.show()

如上图所示，我们成功地绘制了多颜色的时间序列线。

完整代码

import pandas as pd
import numpy as np
import matplotlib.pyplot as plt
import matplotlib.dates as mdates

# 创建日期时间索引，并生成随机数
rng = pd.date_range('1/1/2021', periods=50, freq='D')
ts = pd.Series(np.random.randn(len(rng)), index=rng)

# 绘制简单的时间序列线
ts.plot()
plt.show()

# 将时间序列线分成三个部分，并做颜色映射
pos = ts.where(ts > 0, 0)
neg = ts.where(ts < 0, 0)
zero = ts.where(ts == 0, 0)

# 设置颜色映射
colors = np.array(['r', 'b', 'g'])

# 创建三个子图，并设置颜色为相应数据部分
fig, ax = plt.subplots()
ax.plot(pos.index, pos.values, colors[(pos != 0).astype(int)], label='Positive Values')
ax.plot(neg.index, neg.values, colors[(neg != 0).astype(int)], label='Negative Values')
ax.plot(zero.index, zero.values, 'gray', label='Zero Values')

# 设置图例并调整标签格式
ax.legend()
ax.xaxis.set_major_formatter(mdates.DateFormatter('%Y-%m-%d'))
plt.show()