17 高级图表之时间序列图

在上篇的热力图中，我们探讨了如何使用Pyecharts创建动态数据展示，从而揭示数据在空间上的分布特征。今天，我们将进一步深入，学习如何生成时间序列图，来分析和展示随着时间变化的数据。

时间序列图是数据分析中一种重要的可视化工具，它能够准确描绘数据随时间的变化趋势，帮助我们更好地理解和预测未来的趋势。

1. 什么是时间序列图

时间序列图具有时间（通常是X轴）与数值（通常是Y轴）的对应关系。它可以直观地展示出数据的波动和变化趋势。时间序列数据集通常是按时间顺序排列的，且每个记录对应一个时间戳。

下面是一个典型的时间序列图示例：

2. Pyecharts中的时间序列图

在Pyecharts中，我们可以使用 Line 图表来绘制时间序列图。接下来，我们将通过一个简单的案例来演示如何创建一个时间序列图。

2.1 案例：股票价格走势图

假设我们有一组某个股票在过去一个月的每日收盘价数据，我们将通过时间序列图来展示这一数据。

2.2 数据准备

我们可以准备一组假数据，模拟某股票在过去30天的收盘价。

import pandas as pd
import numpy as np

# 生成日期
dates = pd.date_range(start='2023-09-01', end='2023-09-30')
# 随机生成收盘价
prices = np.random.uniform(low=100, high=200, size=len(dates))

# 创建DataFrame
data = pd.DataFrame({'date': dates, 'closing_price': prices})

2.3 绘制时间序列图

接下来，我们使用Pyecharts绘制时间序列图。

from pyecharts import options as opts
from pyecharts.charts import Line

# 创建时间序列图
line_chart = Line()

# 添加数据
line_chart.add_xaxis(data['date'].dt.strftime("%Y-%m-%d").tolist())
line_chart.add_yaxis("每日收盘价", data['closing_price'].tolist(), is_smooth=True)

# 设置图表标题
line_chart.set_global_opts(title_opts=opts.TitleOpts(title="某股票收盘价时间序列图"),
                            xaxis_opts=opts.AxisOpts(name="日期"),
                            yaxis_opts=opts.AxisOpts(name="收盘价（元）"))

# 渲染图表
line_chart.render("timeseries_stocks.html")

在上面的代码中：

• 我们首先生成了日期和随机收盘价的数据，并存入DataFrame中。
• 使用Line对象创建时间序列图，并添加X轴和Y轴的数据。
• 通过调用set_global_opts方法，我们设置了图表的标题及轴名称。

2.4 图表输出

成功运行代码后，您会在项目目录下看到一个名为 timeseries_stocks.html 的HTML文件，打开后便可以看到生成的时间序列图。

3. 使用注意事项

在使用时间序列图时，有几个注意事项：

1. 数据集的连续性：确保时间序列数据的完整性，避免因数据缺失导致图表失真。
2. 时间格式：Pyecharts支持的时间格式一般为YYYY-MM-DD，确保日期格式正确，可以更好地展示数据。
3. 数据类型：要确保Y轴的数据类型是数值型，以便正确绘制图表。

4. 总结

在本篇教程中，我们了解了时间序列图的概念，并通过实际案例演示了如何使用Pyecharts绘制时间序列图。这一图表对于分析随时间变化的数据至关重要，能够直观地展示数据的趋势。

在下一篇中，我们将探讨“项目实例之项目需求分析”，进一步结合实际案例，深入了解如何将可视化技术应用于项目的需求分析阶段。我们期待看到您在数据可视化上的进步！