使用不同日期的两个时间序列绘制数值的图表

Question

我有两个时间序列。每个时间序列（s1和s2）由一个值列表和相应的时间列表（例如时间戳或其他）表示。我正在使用Python，例如：

s1_values = [6,8,6,3,7,9] # len(s1_values) == len(s1_times)
s1_times =  [1,3,6,7,8,12]

s2_values = [3,8,7,2,5,4,6,2] # len(s2_values) == len(s2_times)
s2_times =  [2,4,5,7,8,9,10,13]

我希望能够看到两个时间序列s1和s2之间的关联，因此我想使用Matplotlib将s1_values（在x轴上）绘制为s2_values（在y轴上），但由于这两个时间序列的时间不对齐，我不知道该怎么做。 也许有一些常见的处理时间序列的方法，但我不知道。

- eLearner

---

你想在什么中绘制它们？ - Jamie Bull

@JamieBull 在Matplotlib中，我想要一个类似于聚合时间序列s的东西，它是s1和s2的组合。 - eLearner

你是否已经在同一张图上绘制了(t1,s1)和(t2,s2)？如果没有，请先这样做。这将为您提供下一步该做什么的一些想法。 - Hun

@Hun 我已经做了，但这不是我要求的。 - eLearner

你所说的是散点图。但是大小应该匹配。看到我之前提到的图表可以给你一些线索，如何匹配两个时间序列的大小。 - Hun

Answer 1

您可以使用 pandas（文档）处理时间序列数据，这在IT技术中非常实用。在此情况下，您需要创建两个数据帧，然后合并并排序它们。

通过 merge 操作，您会得到一个合并的“Time”系列（有关不同合并方式的详细信息请点击此处），其中对于没有该时间值的数值列插入了 nan 值。接着，按共享的 Time 列进行排序。 df.fillna 函数（文档）接受 method 参数, 如果它是ffill或pad则将缺失值填充为最后一个有效值，如果是bfill则将其填充为下一个有效值。或者，您也可以使用df.interpolate进行缺失值的线性插值（文档）。

方便的是，pandas 包装了 matplotlib，因此您可以直接从数据帧中进行绘图。

import matplotlib.pyplot as plt
import pandas as pd


s1_values = [6,8,6,3,7,9] 
s1_times =  [1,3,6,7,8,12]

s2_values = [3,8,7,2,5,4,6,2]
s2_times =  [2,4,5,7,8,9,10,13]

df1 = pd.DataFrame(zip(s1_times, s1_values), columns=['Time', 's1 values'])
df2 = pd.DataFrame(zip(s2_times, s2_values), columns=['Time', 's2 values'])

df = df1.merge(df2, how='outer', on='Time', sort='Time')
df.fillna(method='pad', inplace=True)  # or df.interpolate(inplace=True)

df.plot(kind='scatter', x='s1 values', y='s2 values')
plt.show()

使用 fillna(method='ffill')

使用 interpolate()

- Jamie Bull

---

是的，那样可以。在插值或填充之前，您只需要按照时间列排序一次即可。 - Jamie Bull