绘制pandas系列数据的平滑曲线

一尘不染

绘制pandas系列数据的平滑曲线

python

我的数据是：

>>> ts = pd.TimeSeries(data,indexconv)
>>> tsgroup = ts.resample('t',how='sum')
>>> tsgroup
2014-11-08 10:30:00    3
2014-11-08 10:31:00    4
2014-11-08 10:32:00    7
  [snip]
2014-11-08 10:54:00    5
2014-11-08 10:55:00    2
Freq: T, dtype: int64
>>> tsgroup.plot()
>>> plt.show()

indexconv是使用转换的字符串datetime.strptime。

这样的情节非常前卫（这些不是我的实际情节）：在此处输入图片说明

我如何像这样平滑它：在此处输入图片说明

我知道本文中scipy.interpolate提到的内容（这是我从中获取图像的地方），但是如何将其应用于熊猫时间序列？

我发现了一个名为Vincent的很棒的库，它可以处理Pandas，但它不支持Python 2.6。

阅读 1074

2021-01-20

共1个答案

一尘不染

得到它了。在这个问题的帮助下，我做了以下工作：

tsgroup从几分钟到几秒重新采样。
```
\ >>> tsres = tsgroup.resample（'S'）
```
\ >>> tsres
2014-11-08 10:30:00 3
2014-11-08 10:30:01 NaN
2014-11-08 10:30:02 NaN
2014-11-08 10:30:03 NaN
…
2014-11-08 10:54:58 NaN
2014-11-08 10:54:59 NaN
2014-11-08 10:55:00 2
频率：S，长度：1501
使用插值数据.interpolate(method='cubic')。这会将数据传递给scipy.interpolate.interp1d使用cubic类型，因此您需要安装scipy（pip install scipy）1。
```
\ >>> tsint = tsres.interpolate（method ='cubic'）
```
\ >>> tsint
2014-11-08 10:30:00 3.000000
2014-11-08 10:30:01 3.043445
2014-11-08 10:30:02 3.085850
2014-11-08 10:30:03 3.127220
…
2014-11-08 10:54:58 2.461532
2014-11-08 10:54:59 2.235186
2014-11-08 10:55:00 2.000000
频率：S，长度：1501
使用绘制它tsint.plot()。这是原始版本tsgroup和的比较tsint：

1如果由于.interpolate(method='cubic')告诉您即使已安装Scipy也未安装而出现错误，请打开/usr/lib64/python2.6/site- packages/scipy/interpolate/polyint.py文件或将文件放在任何位置，然后将第二行从更改from scipy importfactorial为from scipy.misc import factorial。

2021-01-20