Matplotlib时间序列型图表（1）

#label为数据标签，当一个图绘制多条折线可以使用；alpha为透明度，取值为0-1 
plt.plot(x, y, color, linewidth, label, alpha, **kwargs)

import pandas as pd
import matplotlib.pyplot as plt

#筛选1017A和1050A站点的数据，并抽取指定列
sel_df1 = df.loc[df[df['site'] == '1017A'].index, ['pm2_5','new_date']]
sel_df2 = df.loc[df[df['site'] == '1050A'].index, ['pm2_5','new_date']]

font1 = {'family':'Simsun', 'size': 15} #新建字体样式
fig = plt.figure(figsize = (8, 4))

#绘制1017A站点的图
ax1 = fig.add_subplot(121)
#绘图，颜色为黑色，线宽为1.5，透明度为0.7
ax1.plot(sel_df1['new_date'], sel_df1['pm2_5'].values, c = 'k', linewidth = 1.5, alpha = .7)
ax1.set_ylabel('pm2.5 浓度', font1) #设置y轴标签，字体样式为新建样式
#设置x轴刻度字体样式
plt.setp(ax1.get_xticklabels(), fontproperties = 'Times New Roman', size = 13)
plt.setp(ax1.get_yticklabels(), fontproperties = 'Times New Roman', size = 13)

#绘制1050A站点的图
ax2 = fig.add_subplot(122)
ax2.plot(sel_df2['new_date'], sel_df2['pm2_5'].values, c = 'b', linewidth = 1.5, alpha = .7)
ax2.set_ylim(ax1.get_ylim()) #设置y轴范围与ax1的y轴范围一致
ax2.yaxis.set_ticklabels([]) #设置y轴刻度不可见
#设置x轴刻度字体样式
plt.setp(ax2.get_xticklabels(), fontproperties = 'Times New Roman', size = 13)

fig.autofmt_xdate() #自动调整x轴时间刻度
#为两个子图设置一个总标题，设置字体的属性和大小
plt.suptitle('1017A和1050A站点2020年PM2.5浓度值', fontproperties = 'Simsun', size = 18)
plt.show()

#(x, y1)是数据标签，y2是起始基准位置，若y2为0，则表示x轴与y1之间的面积
#facecolor是填充颜色，edgecolor是面积边缘线框颜色，label为标签，当一个子图有多个数据系列可用
plt.fill_between(x, y1, y2, facecolor, edgecolor, label, alpha, **kwargs)

fig = plt.figure(figsize = (8, 4))
#绘制第一个图，设置起始基准位置为y=0
ax1 = fig.add_subplot(121)
ax1.fill_between(sel_df1['new_date'], sel_df1['pm2_5'].values, y2 = 0)
ax1.set_ylim(0, sel_df['pm2_5'].max())
fig.autofmt_xdate() #自适应x时间轴 

#绘制多系列的面积图
ax2 = fig.add_subplot(122)
#构造数据
x = np.linspace(-10, 10, 200)
ax2.set_xlim(-10, 10)
y1 = np.sin(x)
y2 = np.cos(x)
ax2.fill_between(x, y1, y2 = 0, facecolor = 'r', edgecolor = 'k', label = 'sin(x)', alpha = .5)
ax2.fill_between(x, y2, y2 = 0, facecolor = 'b', edgecolor = 'k', label = 'cos(x)', alpha = .5)
ax2.set_yticks(np.linspace(-1, 1, 5)) #设置y轴标签，-1，1之间5个刻度
#设置图里显示方式，bbox_to_anchor(x, y, width, height),单位为横纵长度的百分数
#也就是图例中心点画在横轴的110%，纵轴的0%处，宽度为20%y轴坐标处，一般而言前两个参数就可以满足使用
ax2.legendax2.legend(bbox_to_anchor=(1.1, 0, 0.2, 0.2), loc = 'center')

plt.show()

import calmap
import matplotlib.pyplot as plt
#数据准备 
new_df = sel_df1.set_index('new_date') #设置索引列 
new_df.index = pd.DatetimeIndex(new_df.index) #索引转为DatetimeIndex
#新建两个字体样式
font1 = {'family':'Times New Roman', 'size': 13}
font2 = {'family':'Simsun', 'size':14}
fig, ax = calmap.calendarplot(new_df['pm2_5'], fillcolor = 'grey', linecolor = 'w', linewidth = 0.1, cmap = 'jet', 
                             yearlabel_kws={'color':'black', 'fontsize':12}, fig_kws = dict(figsize=(10, 6), dpi=80))
#设置x轴刻度字体样式
plt.setp(ax[0].get_xticklabels(), fontproperties = 'Times New Roman', size = 14)
ax[0].set_ylabel('2020', font1) #设置y轴标签字体样式

#添加色条，orientation（绘制方向，默认垂直），extend（是否两边有凸起，默认没有）
#aspect(色条宽度，值越大，越窄），pad（色条与绘图区的距离）
cbar = fig.colorbar(ax[0].get_children()[1], ax = ax, orientation='horizontal', extend = 'both', aspect = 40, pad = 0.05)
cbar.set_label('PM2.5浓度', fontdict = font2)
plt.show()

#数据准备
import pandas as pd
new_df = sel_df2.set_index(sel_df2['new_date']) #将日期列设置为索引列
new_df.index = pd.DatetimeIndex(new_df.index) #将索引列类型转换为DatetimeIndex格式
new_df['year'] = new_df.index.year #根据索引列获取每一个样本的年份 
new_df['month'] = new_df.index.month #根据索引列获取每一个样本的月份 
new_df['week'] = new_df.index.strftime('%W') #根据索引列计算每一个样本处于当年的第几周
new_df['week'] = new_df['week'].astype('int') #周数转为整形 
new_df['weekday'] = new_df.index.strftime('%u') #根据索引列计算每一个样本是周几（周1为1，周日为7）
new_df['day'] = new_df.index.strftime('%d') #计算每个样本是月内的第几天
new_df['monthweek'] = new_df.groupby('month')['week'].apply(lambda x: x-x.min() + 1) #计算当天是这个月的第几周 

#以下代码可有可无，增加以下语句可以提升图形的可读性
#设置月、周的标签，例如1月为Jan，周一为Mon；首先需要将列转为类型，再将类型赋值给列表
month_label = ['Jan', 'Feb', 'Mar', 'Apr', 'May', 'Jun', 'Jul', 'Aug', 'Sep', 'Oct', 'Nov', 'Dec']
week_label = ['Mon', 'Tue', 'Wed', 'Thu', 'Fri', 'Sat', 'Sun']
new_df['month'] = new_df['month'].astype('category')
new_df['month'].cat.categories = month_label

new_df['weekday'] = new_df['weekday'].astype('category')
new_df['weekday'].cat.categories = week_label

new_df

base_plot = (ggplot(new_df, aes('weekday', 'monthweek', fill = 'pm2_5'))+ 
            geom_tile(colour = 'white', size = 0.1)+
             scale_fill_cmap(name = 'Value')+
             geom_text(aes(label = 'day'), size = 8)+
             facet_wrap('~month', nrow = 3)+
             scale_y_reverse()+
             xlab('Day')+ylab('Week of month')+
             theme(strip_text=element_text(size=11, face='plain', color = 'black'),
                  axis_title=element_text(size=10, face='plain', color='black'),
                   axis_text = element_text(size=6, face='plain', color='black'),
                  legend_position='right',
                  legend_background=element_blank(),
                  aspect_ratio = 0.85,
                  figure_size = (8, 8),
                  dpi = 100))
print(base_plot)