python matplotlib 画dataframe的时间序列图实例

下面是详细讲解“python matplotlib 画dataframe的时间序列图实例”的完整攻略：

1. 准备工作

首先，需要安装matplotlib和pandas两个库，可以使用pip进行安装：

pip install matplotlib pandas

同时，还需要准备一个时间序列的数据集（比如股票价格、气象数据等）来进行绘图。这里我们以一个包含两列数据（日期和股票价格）的csv文件为例。

2. 导入数据

使用pandas库中的read_csv()函数，读取csv文件并转换成DataFrame对象。同时，指定日期列的数据类型为datetime。

import pandas as pd

# 读取csv文件，并将日期列转换成datetime类型
df = pd.read_csv('data.csv', parse_dates=['date'], index_col='date')

3. 绘制时间序列图

使用matplotlib库中的plot()函数，绘制时间序列图。其中x轴为时间（日期），y轴为股票价格。

import matplotlib.pyplot as plt

# 绘制时间序列图
plt.plot(df.index, df['price'])

# 显示图例
plt.legend(['stock price'], loc='upper left')

# 显示图形
plt.show()

4. 时间序列图的美化

为了让时间序列图更加美观，可以进行以下的美化操作：

• 设置x轴和y轴标签：使用xlabel()和ylabel()函数。

plt.xlabel('Date')
plt.ylabel('Stock Price')

• 增加标题：使用title()函数。

plt.title('Stock Price')

• 修改x轴刻度标签：使用xticks()函数。这里以每月的第一天作为刻度标签。

plt.xticks(df.resample('MS').first().index, rotation=90)

• 增加网格线：使用grid()函数。

plt.grid(True)

5. 完整代码示例

下面是完整的代码示例：

import pandas as pd
import matplotlib.pyplot as plt

# 读取csv文件，并将日期列转换成datetime类型
df = pd.read_csv('data.csv', parse_dates=['date'], index_col='date')

# 绘制时间序列图
plt.plot(df.index, df['price'])

# 设置x轴和y轴标签
plt.xlabel('Date')
plt.ylabel('Stock Price')

# 增加标题
plt.title('Stock Price')

# 修改x轴刻度标签
plt.xticks(df.resample('MS').first().index, rotation=90)

# 增加网格线
plt.grid(True)

# 显示图例
plt.legend(['stock price'], loc='upper left')

# 显示图形
plt.show()

以上就是“python matplotlib 画dataframe的时间序列图实例”的完整攻略。需要注意的是，绘制时间序列图时，需要将时间列作为DataFrame对象的index，才能正确的显示时间轴。同时，pandas和matplotlib两个库都有非常丰富的功能，读者可以自行尝试各种不同的操作和绘图方式。