噪声中的信息

原文：towardsdatascience.com/information-in-noise-08bc05bf6484?source=collection_archive---------5-----------------------#2024-09-03

一次可视化多个时间序列的两种技巧

https://medium.com/@lenixc210?source=post_page---byline--08bc05bf6484--------------------------------https://towardsdatascience.com/?source=post_page---byline--08bc05bf6484-------------------------------- Lenix Carter

·发表于 Towards Data Science ·阅读时长 4 分钟 ·2024 年 9 月 3 日

–

想象一下：你手头有一堆折线图，而且你有信心在这些数据中至少隐藏着一个趋势。无论你是在追踪公司成千上万种产品的销售数据，还是深入分析股市数据，你的目标是揭示这些子趋势，并使它们在你的可视化中脱颖而出。让我们探索几种帮助你实现这一目标的技巧。

https://github.com/OpenDocCN/towardsdatascience-blog-zh-2024/raw/master/docs/img/d5cfc56ca003cdc54cfe161c1a695ef4.png

绘制了数百条线，但不清楚子趋势是什么。这些合成数据可以展示这些策略的好处。(图片来源：作者)

选项 1 — 密度折线图：

密度折线图是一种巧妙的绘图技巧，由 Dominik Moritz 和 Danyel Fisher 在他们的论文中提出，Visualizing a Million Time Series with the Density Line Chart。这种方法将众多折线图转化为热力图，揭示了线条重叠最多的区域。

当我们将密度折线图应用到我们之前展示的合成数据时，结果如下所示：

https://github.com/OpenDocCN/towardsdatascience-blog-zh-2024/raw/master/docs/img/e9c21306de50986b6b4363d1c7db5ba5.png

PyDLC 使我们能够看到线条高度重叠的“热点”区域。(图片来源：作者)

这种实现使我们能够看到趋势出现的位置，并识别出使这些数据变得有趣的子趋势。

在这个例子中，我们使用了 Charles L. Bérubé 提供的 Python 库 PyDLC。由于该库的用户友好设计，实施起来非常简单。

plt.figure(figsize=(14,14))im=dense_lines(synth_df.to_numpy().T,x=synth_df.index.astype('int64'),cmap='viridis',ny=100,y_pad=0.01)plt.ylim(-25,25)plt.axhline(y=0,color='white',linestyle=':')plt.show()

使用密度折线图时，请记住，像ny和y_pad这样的参数可能需要调整才能获得最佳结果。

选项 2 — 线条的密度图：

这种技术并未得到广泛讨论，也没有一个公认的名称。然而，它本质上是“折线密度图”或“折线密度可视化”的一种变体，我们通过使用较粗且低透明度的线条来揭示重叠区域和密集区。

https://github.com/OpenDocCN/towardsdatascience-blog-zh-2024/raw/master/docs/img/fa5ed8cd56459253e05f3243a9ce0ea9.png

这种技术非常适合展示子趋势，并且能减少多条折线带来的认知负担。 (图片来自作者)

我们可以清晰地识别出似乎存在的两种不同趋势，并观察到在正弦波下行运动期间，它们有高度的重叠。然而，要准确指出哪里效果最强，还是有些困难。

这种方法的代码也非常简单：

plt.figure(figsize=(14,14))forcolumninsynth_df.columns:plt.plot(synth_df.index,synth_df[column],alpha=0.1,linewidth=2,label=ticker,color='black')

在这里，可能需要调整的两个参数是alpha和linewidth。

一个例子

假设我们正在寻找 50 只股票的日收益率中的子趋势。第一步是提取数据并计算日收益率。

importyfinanceasyfimportpandasaspdimportnumpyasnpimportmatplotlib.pyplotaspltimportseabornassns stock_tickers=['AAPL','MSFT','GOOGL','AMZN','TSLA','META','NVDA','BRK-B','UNH','V','HD','MA','KO','DIS','PFE','NKE','ADBE','CMCSA','NFLX','CSCO','INTC','AMGN','COST','PEP','TMO','AVGO','QCOM','TXN','ABT','ORCL','MCD','MDT','CRM','UPS','WMT','BMY','GILD','BA','SBUX','IBM','MRK','WBA','CAT','CVX','T','MS','LMT','GS','WFC','HON']start_date='2024-03-01'end_date='2024-09-01'percent_returns_df=pd.DataFrame()fortickerinstock_tickers:stock_data=yf.download(ticker,start=start_date,end=end_date)stock_data=stock_data.fillna(method='ffill').fillna(method='bfill')iflen(stock_data)>=2:stock_data['Percent Daily Return']=stock_data['Close'].pct_change()*100stock_data['Ticker']=ticker percent_returns_df=pd.concat([percent_returns_df,stock_data[['Ticker','Percent Daily Return']]],axis=0)percent_returns_df.reset_index(inplace=True)display(percent_returns_df)

然后我们可以绘制数据。

pivot_df=percent_returns_df.pivot(index='Date',columns='Ticker',values='Percent Daily Return')pivot_df=pivot_df.fillna(method='ffill').fillna(method='bfill')plt.figure(figsize=(14,14))sns.lineplot(data=pivot_df,dashes=False)plt.title('Percent Daily Returns of Top 50 Stocks')plt.xlabel('Date')plt.ylabel('Percent Daily Return')plt.legend(title='Stock Ticker',bbox_to_anchor=(1.05,1),loc='upper left')plt.grid(True)plt.tight_layout()

https://github.com/OpenDocCN/towardsdatascience-blog-zh-2024/raw/master/docs/img/e67e7eac07a03a226e4f0ef66b4d5ad6.png

一个非常杂乱的多条折线图，几乎没有明显的信息。 (图片来自作者)

密度折线图由于数据的零散性，确实面临一些挑战。然而，它仍然能提供关于整体市场趋势的有价值的见解。例如，你可以观察到密度最高的区域对应于显著的市场下跌，突出显示了市场的低迷时期。

https://github.com/OpenDocCN/towardsdatascience-blog-zh-2024/raw/master/docs/img/9bdbfd4d6aa876b9c0185886c6cbdc72.png

(图片来自作者)

plt.figure(figsize=(14,14))im=dense_lines(pivot_df[stock_tickers].to_numpy().T,x=pivot_df.index.astype('int64'),cmap='viridis',ny=200,y_pad=0.1)plt.axhline(y=0,color='white',linestyle=':')plt.ylim(-10,10)plt.show()

然而，我们发现透明度技术在这个特定问题上表现得明显更好。我们之前提到的市场下跌变得更加清晰易见。

https://github.com/OpenDocCN/towardsdatascience-blog-zh-2024/raw/master/docs/img/c2ec596a21b770c1699161480a35fb02.png

(图片来自作者)

plt.figure(figsize=(14,14))fortickerinpivot_df.columns:plt.plot(pivot_df.index,pivot_df[ticker],alpha=0.1,linewidth=4,label=ticker,color='black')

结论

两种策略各有其优点和强项，哪种方法最适合你的工作可能在你尝试过两者之后才会变得明显。我希望这些技巧能对你未来的项目有所帮助。如果你有其他处理大量折线图的技巧或应用案例，我很想听听你的分享！

感谢阅读，保重。