Seaborn tsplot() en Python

Manav Narula 15 febrero 2024
Seaborn tsplot() en Python

En este tutorial, aprenderemos cómo usar la función seaborn.tsplot() en Seaborn.

seaborn.tsplot() es una función muy robusta y útil. Se utiliza cuando tenemos la marca de tiempo de los datos disponibles. Se utiliza para trazar uno o más datos de series de tiempo. Los datos pueden tener la forma de un DataFrame largo o un array N-dimensional con dimensiones en unidades y tiempo.

Esta función también puede trazar múltiples datos de series de tiempo de manera fácil y eficiente. Podemos personalizar el gráfico final usando una variedad de parámetros como unit, condition y más. El parámetro unit puede ser una serie o columna DataFrame utilizada para identificar la unidad de muestreo, y el parámetro condition puede identificar la condición de los datos o sus categorías.

Podemos alterar la línea final utilizando los parámetros color, linewidth para hacer que el gráfico sea más atractivo visualmente.

En el siguiente código, trazaremos un gráfico usando esta función.

import pandas as pd
import matplotlib.pyplot as plt
import seaborn as sns

df = pd.DataFrame(
    {
        "Date": [
            "01012019",
            "01022019",
            "01032019",
            "01042019",
            "01052019",
            "01062019",
            "01072019",
            "01082019",
        ],
        "Price 1": [77, 76, 68, 70, 78, 79, 74, 75],
    }
)
df["Date"] = pd.to_datetime(df["Date"], format="%d%m%Y")

sns.tsplot(data=df["Price 1"], time=df["Date"], color="blue", linewidth=5)

función tsplot seaborn

Vale la pena saber que, aunque esta función es muy poderosa para trazar datos de series de tiempo, quedó obsoleta en la versión de enero de 2020 del módulo seaborn. Se recomienda utilizar la función seaborn.lineplot() como alternativa.

Manav Narula avatar Manav Narula avatar

Manav is a IT Professional who has a lot of experience as a core developer in many live projects. He is an avid learner who enjoys learning new things and sharing his findings whenever possible.

LinkedIn