如何在Altair中可视化列名为变量的时间序列DataFrame？

你当前的DataFrame属于宽格式结构，时间单独为一列、其他指标均作为表头存储，只需先将其转换为适合绘图的长格式即可快速完成可视化。

1. 数据格式转换（宽表转长表） #

使用pandas的melt方法完成格式转换，示例代码如下（请根据实际列名调整参数）：

import pandas as pd

# 假设你的原始DataFrame名为df，时间列的列名为`date`
long_df = df.melt(
    id_vars="date", # 指定保留不参与融合的时间列
    var_name="指标类别", # 原表头内容会存入该列
    value_name="指标数值" # 原表格中的对应值存入该列
)

# 转换时间列为标准日期格式，避免绘图时间轴异常
long_df["date"] = pd.to_datetime(long_df["date"])

如果你的时间数据是存储在索引中，可直接使用stack方法转换：

long_df = df.stack().reset_index()
long_df.columns = ["date", "指标类别", "指标数值"]
long_df["date"] = pd.to_datetime(long_df["date"])

2. 时间序列可视化 #

转换完成后可直接用seaborn或matplotlib绘图，以下是多指标同时绘制的示例代码：

import seaborn as sns
import matplotlib.pyplot as plt

# 解决中文显示异常问题
plt.rcParams['font.sans-serif'] = ['SimHei']
plt.rcParams['axes.unicode_minus'] = False

# 绘制多指标时间序列，不同指标自动区分颜色
sns.lineplot(data=long_df, x="date", y="指标数值", hue="指标类别")

plt.title("多指标时间序列走势")
plt.xticks(rotation=45) # 旋转x轴标签避免重叠
plt.tight_layout()
plt.show()

如果仅需要绘制单个指标，筛选长表数据即可：

# 示例：仅绘制指标为“销售额”的时间序列
target_df = long_df[long_df["指标类别"] == "销售额"]
sns.lineplot(data=target_df, x="date", y="指标数值")
plt.show()

内容的提问来源于stack exchange，提问作者Jay Ballesteros C.