季节性图，也称为季节性分解图，显示数据中的季节性变化。它们识别随时间重复的趋势和模式，展示时间序列数据中的季节性影响。它们有助于识别时间序列数据中可能在常规时间序列图中不明显的任何异常行为或波动。此图通常有四个组成部分。第一个组成部分显示时间序列的数据。第二个显示代表季节性组成部分的重复模式。第三个是潜在的趋势组成部分。最后，第四个组成部分称为剩余组成部分，显示数据中未被趋势和季节性组成部分捕获的变化。

Seasonal Plot

自相关图

自相关图显示数据点与其滞后值之间的相关性。滞后值只是时间序列值从一个或多个时间戳的偏移。自相关图通常用于识别与过去相关的趋势和模式。也就是说，它们旨在揭示数据点与其自身在各种时间滞后下的早期值之间的内在相关性，这与探索多个数据点之间变量关联的传统图表形成对比。

Autocorrelation Plot

要使用的最佳时间序列图类型取决于数据和分析目标。例如，如果您想显示数据的总体趋势，折线图是一个不错的选择。如果您想显示数据的分布，直方图或箱线图是更好的选择。

为什么使用时间序列图？

要使用的最佳时间序列图类型取决于所表示的数据类型和分析数据的目标。例如，如果您想显示数据的总体趋势，折线图是一个不错的选择。如果您想显示数据的分布，直方图或箱线图是更好的选择

金融

投资者和金融分析师使用时间序列图来监控股票、债券和其他金融工具的业绩。这些图表识别金融市场中的模式，以帮助预测峰值和下降，从而为客户创造利润并识别投资机会。

制造业

时间序列图可以帮助跟踪工厂的产出，以检查其每日生产情况，从而提高效率。它们还可以跟踪原材料消耗、运输数量和其他有用的指标。

零售业

时间序列图的另一个常见用例是跟踪销售数据，以识别一段时间内的销售模式和消费者行为。例如，零售商可以跟踪特定产品的销售情况，以找到季节性趋势并相应地计划广告。

零售商还可以比较时间序列，例如不同产品随时间的销售额。这有助于比较不同类型产品的市场趋势。例如，比较不同品牌汽车销售额的时间序列图可以显示，某个品牌在特定月份始终比其他品牌销量更好，或者多年来哪个品牌的销量更好。

医疗保健

时间序列图可以跟踪患者数据，例如生命体征和药物使用情况。此外，医疗保健专业人员利用这些图表来检测疾病随时间传播的趋势和模式。

物流

物流企业使用时间序列图来跟踪货物和材料的移动，以了解停机时间何时何地发生，以便他们可以改善供应链物流，例如交货时间和产品向当地供应商的配送。

比较不同的时间序列

时间序列图可以帮助比较不同的时间序列，例如不同产品随时间的销售额。这有助于了解不同产品的性能或识别市场趋势。例如，不同品牌汽车销售额的时间序列图可以显示，某个品牌的销量始终高于其他品牌。

如何创建时间序列图

有多种方法可以使用 Python 和 R 等语言创建时间序列图。Python 包，如 Pandas、Matplotlib、Seaborn 和 Plotly 可以读取数据并创建不同类型的时间序列图。下面的代码创建日期列表和温度列表。然后，它借助 Python 的 Pandas 库，使用时间和温度列创建 DataFrame。最后，它使用 Pandas 的 to_csv() 方法将 DataFrame 保存到名为 data.csv 的 CSV 文件中。

# import dependency
import pandas as pd

# create a list of dates
dates = pd.to_datetime(['2023-03-08', '2023-03-09', '2023-03-10', '2023-03-11', '2023-03-12', '2023-03-13', '2023-03-14', '2023-03-15', '2023-03-16', '2023-03-17'])

# create a list of temperatures
temperatures = [10, 12, 15, 18, 21, 24, 27, 30, 33, 36]

# create a DataFrame
data = pd.DataFrame({'time': dates, 'temperature': temperatures})

# save the DataFrame to a CSV file
data.to_csv('data.csv', index=False)

以下是在 Python 中创建时间序列图的最常用库。

Matplotlib 库： Matplotlib 是一个流行的 Python 库，用于创建图形和图表。它可以创建各种时间序列图，包括折线图、条形图、K 线图等。
Seaborn 库： Seaborn 是一个 Python 库，它提供了一个高级接口，用于创建统计图形。它可以创建具有各种自定义选项的时间序列图。
Plotly 库： Plotly 是一个 Python 库，它提供交互式可视化。它可以创建时间序列图以嵌入到网页或仪表板中。

以下是如何使用 Matplotlib 库创建时间序列图的示例

# import dependencies
import matplotlib.pyplot as plt
import pandas as pd

# load the data
data = pd.read_csv('data.csv')

# extract the time and temperature columns
time = data['time']
temperature = data['temperature']

# plot the time series
plt.plot(time, temperature)

# add labels and title
plt.xlabel('Time (hours)')
plt.ylabel('Temperature (degrees Celsius)')
plt.title('Temperature over Time')

# show the plot
plt.show()

此代码使用 Pandas 库中的 read_csv() 方法读取数据。然后，它使用 Matplotlib 中的 plot() 方法创建一个简单的折线图。像 xlabel() 和 ylabel() 这样的函数增强了图表的可读性。

常见问题解答

时间序列的最佳图表类型是什么？

对于这个问题，没有一个万能的答案。时间序列的最佳图表取决于具体数据和分析目标。但是，用于时间序列数据的一些常见图表包括季节性图、折线图、条形图和 K 线图。

六西格玛方法中的时间序列图是什么？

六西格玛中的时间序列图不是特定的图表类型。相反，“时间序列图”和“六西格玛”是两个独立的概念，通常在质量管理和流程改进中一起使用。在六西格玛中，时间序列图是以图形方式表示随时间收集的数据，用于六西格玛的定义、测量、分析、改进和控制 (DMAIC) 阶段。它识别数据中的趋势、模式和异常值，目的是提高流程的质量和一致性。

掌控您的运营，并将存储成本降低 90%

免费开始使用运行概念验证

无需信用卡。

时间序列图

什么是时间序列图？