Seaborn中折线图的绘制方法

在seaborn中，我们一般使用sns作为seaborn模块的别名，因此，在下文中，均以sns指代seaborn模块。
seaborn中绘制折线图使用的是sns.lineplot()函数：
sns.lineplot(x,y,hue,size,style,data,palette,hue_order,hue_norm,sizes,size_order,size_norm,dashes=True,markers,style_order,units,estimator=‘mean’,ci=95,n_boot=1000,seed,sort=True,err_style=‘band’,err_kws,legend=‘auto’,ax,**kwargs,)

关键常用参数说明：

x：指定折线图的x轴数据，可以是一维数组、序列或DataFrame的列名。
y：指定折线图的y轴数据，可以是一维数组、序列或DataFrame的列名。
hue：根据指定的分类变量对数据进行分组，并在图上使用不同颜色的折线表示不同的组。
size：根据指定的分类变量对数据进行分组，并在图上使用不同的线条粗细表示不同的组。
style：用于指定线条的样式，默认为None，即自动选择。其可选项为：1，‘auto’：自动选择线条样式，默认情况下会选择不同的样式来区分不同的数据系列；2，‘darkgrid’：使用深色背景和网格线的样式；3，‘whitegrid’：使用浅色背景和网格线的样式；4，‘dark’：使用深色背景的样式，没有网格线；5，‘white’：使用浅色背景的样式，没有网格线；6，‘ticks’：使用坐标轴刻度线的样式，没有背景和网格线。
data：指定要绘制折线图的数据集，可以是DataFrame或长格式的数据。
palette：设置颜色调色板，用于hue的不同分类变量对应的颜色。
markers：设置数据点的标记样式。
estimator：设置用于计算折线图上每个点估计值的函数，默认为平均数。
ci：设置误差线的置信区间，默认为95。

使用Seaborn绘制折线图的应用案例

import pandas as pd
import matplotlib.pyplot as plt
import seaborn as sns
from matplotlib.font_manager import FontProperties
# 设置为默认字体
plt.rcParams['font.family'] = 'simhei'# 显示负数
plt.rcParams['axes.unicode_minus'] = False# 导入股票交易数据
df = pd.read_excel("2023年一季度A股日线行情.xlsx")# 将日期列转化为日期格式
df["trade_date"] = df["trade_date"].astype("str").apply(lambda x:x[:4]+"-"+x[4:6]+"-"+x[6:])
# 将日期列转换为日期类型
df['trade_date'] = pd.to_datetime(df['trade_date'])
df.set_index('trade_date', inplace=True)# 筛选2023年3月的行情数据
start_date = '2023-01-03'
end_date = '2023-03-31'
df = df.loc[start_date:end_date]# 分别筛选出股票代码分别是"000001.SZ"和"000002.SZ"的两只股票
df = df[df["ts_code"].isin(("000001.SZ","000002.SZ"))]# 给股票代码加上股票名称
def get_name(ts_code):if ts_code == "000001.SZ":return "Bank of PingAn"if ts_code == "000002.SZ":return "WanKe A"
df["name"] = [get_name(i) for i in df["ts_code"]]# 计算每只股票交易日当天的开盘价和收盘价之间的平均价格
df["avg_price"] = (df["open"] + df["close"])/2# 只保留name和avg_price两列
df = df[['name','avg_price']]# 设置图形样式
sns.set(style="whitegrid")
# 创建画布和子图
fig, ax = plt.subplots(figsize=(10, 6))
# 绘制折线图，按名称进行分组
sns.lineplot(x='trade_date', y='avg_price', hue='name', data=df, ax=ax)
# 设置标题和标签
ax.set_title('Stock Price Lineplot')
ax.set_xlabel('Date')
ax.set_ylabel('Price')
# 显示图形
plt.show()