如何在一个图中绘制多个季节性分解图？答案

【问题标题】：How to plot multiple seasonal_decompose plots in one figure?如何在一个图中绘制多个季节性分解图？
【发布时间】：2017-12-24 08:11:28
【问题描述】：

我正在使用statsmodels 提供的季节性分解来分解多个时间序列。这是代码和相应的输出：

def seasonal_decompose(item_index):
    tmp = df2.loc[df2.item_id_copy == item_ids[item_index], "sales_quantity"]
    res = sm.tsa.seasonal_decompose(tmp)
    res.plot()
    plt.show()

seasonal_decompose(100)

谁能告诉我如何以行 X 列的格式绘制多个这样的图，以查看多个时间序列的行为？

【问题讨论】：

标签： python matplotlib statsmodels

【解决方案1】：

sm.tsa.seasonal_decompose 返回一个DecomposeResult。这有属性observed、trend、seasonal和resid，它们是pandas系列。您可以使用 pandas 绘图功能绘制它们中的每一个。例如。

res = sm.tsa.seasonal_decompose(someseries)
res.trend.plot()

这与 res.plot() 函数对四个系列中的每一个所做的基本相同，因此您可以编写自己的函数，将 DecomposeResult 和四个 matplotlib 轴的列表作为输入并绘制四个属性到四个轴。

import matplotlib.pyplot as plt
import statsmodels.api as sm

dta = sm.datasets.co2.load_pandas().data
dta.co2.interpolate(inplace=True)
res = sm.tsa.seasonal_decompose(dta.co2)

def plotseasonal(res, axes ):
    res.observed.plot(ax=axes[0], legend=False)
    axes[0].set_ylabel('Observed')
    res.trend.plot(ax=axes[1], legend=False)
    axes[1].set_ylabel('Trend')
    res.seasonal.plot(ax=axes[2], legend=False)
    axes[2].set_ylabel('Seasonal')
    res.resid.plot(ax=axes[3], legend=False)
    axes[3].set_ylabel('Residual')


dta = sm.datasets.co2.load_pandas().data
dta.co2.interpolate(inplace=True)
res = sm.tsa.seasonal_decompose(dta.co2)

fig, axes = plt.subplots(ncols=3, nrows=4, sharex=True, figsize=(12,5))

plotseasonal(res, axes[:,0])
plotseasonal(res, axes[:,1])
plotseasonal(res, axes[:,2])

plt.tight_layout()
plt.show()

【讨论】：

【解决方案2】：

import matplotlib.pyplot as plt
x = [1, 2, 3, 4, 5]
y = [1, 4, 9, 16, 25]
fig = plt.figure()
ax1 = fig.add_subplot(2,3,1)
ax1.scatter(x, y)
ax2 = fig.add_subplot(2,3,2)
ax2.scatter(x, y)
ax3 = fig.add_subplot(2,3,3)
ax3.scatter(x, y)
ax4 = fig.add_subplot(2,3,4)
ax4.scatter(x, y)
ax5 = fig.add_subplot(2,3,5)
ax5.scatter(x, y)
ax6 = fig.add_subplot(2,3,6)
ax6.scatter(x, y)
plt.show()

【讨论】：