lineplot в Seaborn: ряды, тренды и полоса доверия

Синоптики ведут журнал две недели: Сочи против Казани, каждый день — строка таблицы. Числа в столбце показывают температуру, но не показывают движение: растёт ли тепло, где холоднее и насколько уверенно мы это утверждаем. Всё это даёт lineplot — главный график для рядов, где по оси X идёт время или порядок.

Данные: температура двух городов

import pandas as pd

week = pd.DataFrame({
    "day": list(range(1, 11)),
    "sochi": [24, 25, 26, 24, 23, 25, 27, 28, 26, 27],
    "kazan": [14, 12, 15, 17, 16, 13, 15, 18, 16, 17],
})

print(week)

   day  sochi  kazan
0    1     24     14
1    2     25     12
2    3     26     15
3    4     24     17
4    5     23     16
5    6     25     13
6    7     27     15
7    8     28     18
8    9     26     16
9   10     27     17

Десять дней, две колонки температур. Пока это просто числа — тренд придётся вычитывать глазами по столбцу.

lineplot: линия по порядку оси X

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

week = pd.DataFrame({
    "day": list(range(1, 11)),
    "sochi": [24, 25, 26, 24, 23, 25, 27, 28, 26, 27],
    "kazan": [14, 12, 15, 17, 16, 13, 15, 18, 16, 17],
})

sns.set_theme()
ax = sns.lineplot(data=week, x="day", y="sochi", marker="o")
ax.set_title("Сочи: температура за 10 дней")
ax.set_xlabel("День")
ax.set_ylabel("Температура, C")
plt.show()

График отображается под редактором

Точки соединились линией, кружки marker="o" отметили дни измерений, оси подписались именами столбцов. Динамика читается мгновенно: потепление с дня 5-го, пик 28 градусов на восьмой день. Пока это тот же график, что в уроке 1 — но именно на рядах проявляется важная особенность lineplot.

Несколько линий: два города

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

week = pd.DataFrame({
    "day": list(range(1, 11)),
    "sochi": [24, 25, 26, 24, 23, 25, 27, 28, 26, 27],
    "kazan": [14, 12, 15, 17, 16, 13, 15, 18, 16, 17],
})

sns.set_theme()
fig, ax = plt.subplots()
sns.lineplot(data=week, x="day", y="sochi", ax=ax, label="Сочи", marker="o")
sns.lineplot(data=week, x="day", y="kazan", ax=ax, label="Казань", marker="o")
ax.set_title("Сочи против Казани: 10 дней")
ax.set_xlabel("День")
ax.set_ylabel("Температура, C")
plt.show()

График отображается под редактором

Здесь два новых приёма. Параметр ax= говорит Seaborn, на какие оси рисовать: сначала мы создали пару figure-axes через plt.subplots(), а потом отправили на неё обе линии — иначе каждый вызов получил бы отдельную картинку. Параметр label= даёт линии имя, и легенда собралась сама, без ручных вызовов. Обе линии делят одну ось Y, поэтому сравнение честное: Сочи стабильно на 8–12 градусов теплее, разрыв между городами виден на всём отрезке.

Полоса доверия: несколько наблюдений на точку

Реальный даталоггер пишет не раз в день, а трижды: утром, в полдень и вечером. На каждый день приходится несколько наблюдений — и lineplot делает то, чего не умеет plt.plot: усредняет их и показывает надёжность среднего.

import pandas as pd

meas = pd.DataFrame({
    "day": [1, 1, 1, 2, 2, 2, 3, 3, 3, 4, 4, 4],
    "temp": [18, 22, 20, 21, 25, 23, 19, 24, 21, 22, 27, 24],
})

print(meas)

    day  temp
0     1    18
1     1    22
2     1    20
3     2    21
4     2    25
5     2    23
6     3    19
7     3    24
8     3    21
9     4    22
10    4    27
11    4    24

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

meas = pd.DataFrame({
    "day": [1, 1, 1, 2, 2, 2, 3, 3, 3, 4, 4, 4],
    "temp": [18, 22, 20, 21, 25, 23, 19, 24, 21, 22, 27, 24],
})

sns.set_theme()
ax = sns.lineplot(data=meas, x="day", y="temp", marker="o")
ax.set_title("Среднесуточная температура и её разброс")
ax.set_xlabel("День")
ax.set_ylabel("Температура, C")
plt.show()

График отображается под редактором

Что произошло. По двенадцати строкам lineplot посчитал среднее для каждого дня — 20.0, 23.0, 21.3, 24.3 градуса — и провёл линию через четыре средних. Вокруг линии появилась полоса: 95-процентный доверительный интервал среднего. Полоса вокруг линии lineplot — это честная неуверенность среднего: чем сильнее прыгают наблюдения, тем она шире. День 3 с разбросом от 19 до 24 нарисовал заметно более широкую полосу, чем день 2, где измерения плотнее.

Что дальше

Вы собрали полный набор линейных приёмов: линия по времени, несколько рядов через ax= и label=, полоса доверия как мера надёжности. Осталось оформление: следующий урок — set_theme и контекст, пять тем Seaborn, крупный шрифт для презентаций и снятие лишнего декора.

lineplot усредняет повторные наблюдения сам: линия — среднее по точке, полоса — интервал, в котором среднее лежит с вероятностью 95%.