时间趋势类可视化图像总结

z007_77

已于 2025-05-09 08:41:56 修改

阅读量973

点赞数 8

文章标签：信息可视化

于 2025-05-06 21:56:26 首次发布

本文链接：https://blog.csdn.net/z007_77/article/details/147746899

版权

1. 地平线图（Horizon Chart）

3. 瀑布图（Waterfall Chart）

4. 烛形图（Candlestick Chart）

时间趋势类可视化图像主要用于展示数据随时间的变化情况，帮助用户快速理解数据的动态特征和趋势。以下是几种常见的时间趋势类图表的总结，包括它们的特点、应用场景以及使用 Python（Matplotlib、Seaborn、Plotly 等库）的实现过程及结果。

1. 地平线图（Horizon Chart）

特点

紧凑性：能够在有限的空间内展示大量的时间序列数据。
直观性：通过颜色和高度的变化，用户可以快速识别数据的波动趋势和异常点。
多层显示：数据被分割成多个层次，每一层代表一个范围，便于用户理解数据的分布。

应用场景

时间序列分析：适用于展示股票价格、温度变化、网站流量等随时间变化的数据。
仪表板设计：在有限的空间内展示多个时间序列数据，方便用户快速获取信息。

代码：

import numpy as np
import matplotlib.pyplot as plt
from matplotlib import rcParams

# 设置中文字体
rcParams['font.sans-serif'] = ['SimHei']  # 使用黑体
rcParams['axes.unicode_minus'] = False  # 解决负号显示问题

# 生成示例数据
np.random.seed(42)
x = np.linspace(0, 10, 100)
data = np.sin(x * 2) * 10 + np.random.normal(0, 1, 100)


# 创建地平线图
def plot_horizon(x, data, bands=3, colors=('#B2182B', '#EF8A62', '#FDDBC7', '#D1E5F0', '#67A9CF', '#2166AC')):
    fig, ax = plt.subplots(figsize=(10, 4))

    # 计算每个带的高度
    band_height = (np.max(data) - np.min(data)) / bands

    # 绘制正负区域
    for i in range(bands):
        # 正数部分
        positive_data = np.where(data > 0, np.clip(data, i * band_height, (i + 1) * band_height) - i * band_height, 0)
        ax.fill_between(x, 0, positive_data,
                        color=colors[i % len(colors)],
                        alpha=0.8,
                        edgecolor='none')

        # 负数部分
        negative_data = np.where(data < 0, np.clip(data, -(i + 1) * band_height, -i * band_height) + i * band_height, 0)
        ax.fill_between(x, 0, negative_data,
                        color=colors[(i + bands) % len(colors)],
                        alpha=0.8,
                        edgecolor='none')

    # 设置坐标轴和标签
    ax.set_xlabel('时间', fontsize=12)
    ax.set_ylabel('数值强度', fontsize=12)
    ax.set_title('地平线图示例（3波段正负分离）', fontsize=14, pad=20)
    ax.grid(True, linestyle='--', alpha=0.6)

    # 隐藏y轴刻度
    ax.set_yticks([])

    plt.tight_layout()
    return fig


# 绘制图表
plot_horizon(x, data)
plt.show()

结果

这段代码生成了一幅地平线图，用于可视化时间序列数据的波动。它通过将数据划分为多个波段（正负区域），并用不同颜色填充每个波段，直观地展示了数据的强度变化。图中时间轴表示数据的时间维度，数值强度轴表示数据的大小。正数区域和负数区域分别用不同颜色区分，且每个波段的颜色深浅表示数据的强度。地平线图通过压缩数据的显示范围，使得在有限的空间内能够清晰地呈现数据的整体趋势和局部波动，适合用于展示复杂的时间序列数据。

2. 河流图（Streamgraph）

特点

动态展示：能够动态展示多个时间序列数据的变化趋势。
美观性：视觉效果美观，常用于展示数据的流动性和变化趋势。
层次结构：通过堆叠的方式，用户可以直观地看到不同类别数据的相对大小和变化。

应用场景

时间序列分析：适用于展示多个时间序列数据的变化趋势，例如不同产品的销售数据、不同地区的流量数据等。
数据比较：用于比较不同类别数据的相对大小和变化趋势。

代码：

from pyecharts.charts import ThemeRiver
import pyecharts.options as opts
import pandas as pd
# 导入数据
data = pd.read_csv('river_data.csv')
# print(data)
# print(data)

#数据格式
# 系列名称，用于 tooltip 的显示，legend 的图例筛选。
#    series_name: Sequence,
    # 系列数据项
#    data: types.Sequence[types.Union[opts.ThemeRiverItem, dict]],

data_list = []
# 封装数据
for i in zip(data['date'],data['num'],data['series']):
    data_list.append(list(i))
# print(data_list)
series = ['分支1','分支2','分支3','分支4','分支5','分支6']
# 绘制，设置类型为时间
wc = ThemeRiver(init_opts=opts.InitOpts(height='600px'))\
    .add(series_name=series, data=data_list, singleaxis_opts=opts.SingleAxisOpts(type_='time'))\
    .render()

结果

这段代码使用 pyecharts 的ThemeRiver绘制了一条主题河流图。它从 river_data.csv文件中导入数据，数据包含日期、数值和系列名称。代码将数据封装为列表格式，并设置了6个系列（分支1到分支6）。主题河流图以时间为单轴，展示了不同分支在不同时间点的数值变化，通过流动的线条直观呈现各分支随时间的动态趋势，适用于展示多维度数据随时间的变化情况。

3. 瀑布图（Waterfall Chart）

特点

增减变化：能够清晰地展示数据的增减变化。
直观性：通过柱状图的上升和下降，用户可以快速了解数据的变化趋势。
累计效果：可以展示数据的累计效果，帮助用户理解最终结果是如何逐步形成的。

应用场景

财务分析：适用于展示收入、支出、利润等财务数据的变化。
库存管理：用于展示库存的增减变化。
项目管理：用于展示项目进度的变化。

代码：

import plotly.graph_objects as go

# 生成示例数据
data = [10, -5, 7, -3, 6]
labels = ['初始值', '支出1', '收入1', '支出2', '收入2']

# 创建瀑布图
fig = go.Figure(go.Waterfall(
    name="20", orientation="v",
    measure=["absolute", "relative", "relative", "relative", "relative"],
    x=labels,
    textposition="outside",
    text=data,
    y=data,
    connector={"line": {"color": "rgb(63, 63, 63)"}},
))

# 更新布局
fig.update_layout(title='瀑布图示例', xaxis_title='项目', yaxis_title='值')
fig.show()

结果

这段代码生成了一个瀑布图，展示了初始值和一系列收支变化对数值的影响。图中用柱状条表示每个项目的增减值，通过颜色区分正负变化，并用连接线清晰展示数值的累积过程。它直观呈现了从初始值到最终结果的动态变化，常用于财务分析等场景。

4. 烛形图（Candlestick Chart）

特点

详细信息：能够展示每个时间单位内的详细价格信息，包括开盘价、收盘价、最高价和最低价。
趋势判断：通过蜡烛的颜色和形状，用户可以快速判断市场的趋势和情绪。
技术分析：是金融领域中常用的技术分析工具，能够帮助投资者做出决策。

应用场景

金融市场分析：适用于展示股票、期货、外汇等金融产品的价格变化。
技术分析：用于识别市场趋势和交易信号。

代码：

import plotly.graph_objects as go
import pandas as pd

# 生成示例数据
df = pd.DataFrame({
    'Date': pd.date_range(start='2023-01-01', periods=100, freq='D'),
    'Open': np.random.randint(100, 200, 100),
    'High': np.random.randint(200, 300, 100),
    'Low': np.random.randint(50, 150, 100),
    'Close': np.random.randint(150, 250, 100)
})

# 创建烛形图
fig = go.Figure(data=[go.Candlestick(x=df['Date'],
                open=df['Open'],
                high=df['High'],
                low=df['Low'],
                close=df['Close'])])

# 更新布局
fig.update_layout(title='烛形图示例', xaxis_title='日期', yaxis_title='价格')
fig.show()