如何按月创建最小-最大线图

Question

我有零售牛肉广告计数时间序列数据，我打算制作堆叠折线图，旨在以三周的平均值显示上周杂货店每家商店发布的平均广告数量。为此，我设法汇总数据以进行绘图并尝试制作我想要的折线图。主要动机是基于问题的背景和所需的情节。在我的尝试中，我无法得到非常好的折线图，因为它没有足够的信息来理解。我想知道如何在matplotlib. 谁能建议我从目前的尝试中我应该做什么？有什么想法吗？

可重复的数据和当前的尝试

这是我在当前尝试中使用的最小可重复数据：

import pandas as pd
import matplotlib.pyplot as plt
import matplotlib.dates as mdates
import seaborn as sns
from datetime import timedelta, datetime

url = 'https://gist.githubusercontent.com/adamFlyn/96e68902d8f71ad62a4d3cda135507ad/raw/4761264cbd55c81cf003a4219fea6a24740d7ce9/df.csv'

df = pd.read_csv(url, parse_dates=['date'])
df.drop(columns=['Unnamed: 0'], inplace=True)

df_grp = df.groupby(['date', 'retail_item']).agg({'number_of_ads': 'sum'})
df_grp["percentage"] = df_grp.groupby(level=0).apply(lambda x:100 * x / float(x.sum()))
df_grp = df_grp.reset_index(level=[0,1])

for item in df_grp['retail_item'].unique():
    dd = df_grp[df_grp['retail_item'] == item].groupby(['date', 'percentage'])[['number_of_ads']].sum().reset_index(level=[0,1])
    dd['weakly_change'] = dd[['percentage']].rolling(7).mean()
    fig, ax = plt.subplots(figsize=(8, 6), dpi=144)
    sns.lineplot(dd.index, 'weakly_change', data=dd, ax=ax)
    ax.set_xlim(dd.index.min(), dd.index.max())
    ax.xaxis.set_major_formatter(mdates.DateFormatter('%b %Y'))
plt.gcf().autofmt_xdate()
plt.style.use('ggplot')
plt.xticks(rotation=90)
plt.show()

当前结果

但我无法获得我预期的正确折线图，我想从这个站点重现该图。这样做可行吗？任何的想法？

想要的情节

这是我想从这个最小的可重现数据中制作的示例所需图：

我不知道应该如何更改我当前的尝试以获得我想要的图。任何人都可以知道这样做的任何可能方式matplotlib吗？我还应该做什么？任何可能的帮助将不胜感激。谢谢

Answer 1

• 另请参阅如何使用 fill_between 按月创建最小-最大图？
• 有关详细信息，请参阅在线评论

import pandas as pd
import matplotlib.pyplot as plt
import seaborn as sns
import calendar

#################################################################
# setup from question
url = 'https://gist.githubusercontent.com/adamFlyn/96e68902d8f71ad62a4d3cda135507ad/raw/4761264cbd55c81cf003a4219fea6a24740d7ce9/df.csv'
df = pd.read_csv(url, parse_dates=['date'])
df.drop(columns=['Unnamed: 0'], inplace=True)
df_grp = df.groupby(['date', 'retail_item']).agg({'number_of_ads': 'sum'})
df_grp["percentage"] = df_grp.groupby(level=0).apply(lambda x:100 * x / float(x.sum()))
df_grp = df_grp.reset_index(level=[0,1])
#################################################################

# create a month map from long to abbreviated calendar names
month_map = dict(zip(calendar.month_name[1:], calendar.month_abbr[1:]))

# update the month column name
df_grp['month'] = df_grp.date.dt.month_name().map(month_map)

# set month as categorical so they are plotted in the correct order
df_grp.month = pd.Categorical(df_grp.month, categories=month_map.values(), ordered=True)

# use groupby to aggregate min mean and max
dfmm = df_grp.groupby(['retail_item', 'month'])['percentage'].agg([max, min, 'mean']).stack().reset_index(level=[2]).rename(columns={'level_2': 'mm', 0: 'vals'}).reset_index()

# create a palette map for line colors
cmap = {'min': 'k', 'max': 'k', 'mean': 'b'}

# iterate through each retail item and plot the corresponding data
for g, d in dfmm.groupby('retail_item'):
    plt.figure(figsize=(7, 4))
    sns.lineplot(x='month', y='vals', hue='mm', data=d, palette=cmap)

    # select only min or max data for fill_between
    y1 = d[d.mm == 'max']
    y2 = d[d.mm == 'min']
    plt.fill_between(x=y1.month, y1=y1.vals, y2=y2.vals, color='gainsboro')
    
    # add lines for specific years
    for year in [2016, 2018, 2020]:
        data = df_grp[(df_grp.date.dt.year == year) & (df_grp.retail_item == g)]
        sns.lineplot(x='month', y='percentage', ci=None, data=data, label=year)
    
    plt.ylim(0, 100)
    plt.margins(0, 0)
    plt.legend(bbox_to_anchor=(1., 1), loc='upper left')
    
    plt.ylabel('Percentage of Ads')
    plt.title(g)
    plt.show()