Python中连续数据的框图

Question

我有一个包含2列的csv文件：

• col1- Timestamp数据（yyyy-mm-dd hh：mm：ss.ms（8个月数据））

• col2：加热数据（连续变量）。

由于记录差不多有50k，我想将col1（时间戳列）分成几个月或几周，然后在热量数据w.r.t时间戳上应用箱形图。 我试过R，需要很长时间。在Python中需要帮助。我想我需要使用seaborn.boxplot。

请指导。

Answer 1

按频率分组，然后绘制小组

首先Read your csv data into a Pandas DataFrame

import numpy as np
import Pandas as pd
from matplotlib import pyplot as plt

# assumes NO header line in csv
df = pd.read_csv('\file\path', names=['time','temp'], parse_dates=[0])

我将使用一些假数据，每小时30天样本。

heat = np.random.random(24*30) * 100
dates = pd.date_range('1/1/2011', periods=24*30, freq='H')
df = pd.DataFrame({'time':dates,'temp':heat})

将时间戳设置为DataFrame的索引

df = df.set_index('time')

现在按期间分组，此示例为7天

gb = df.groupby(pd.Grouper(freq='7D'))

现在您可以单独绘制每个组

for g, week in gb2:
    #week.plot()
    week.boxplot()
    plt.title(f'Week Of {g.date()}')
    plt.show()
    plt.close()

而且......我没有意识到你可以做到这一点，但这很酷

ax = gb.boxplot(subplots=False)
plt.setp(ax.xaxis.get_ticklabels(),rotation=30)
plt.show()
plt.close()

heat = np.random.random(24*300) * 100
dates = pd.date_range('1/1/2011', periods=24*300, freq='H')
df = pd.DataFrame({'time':dates,'temp':heat})
df = df.set_index('time')

要在五个时间段内对数据进行分区，然后获取每个时间段的每周箱图：

确定总时间跨度;除以五;创建频率别名;然后分组

dt = df.index[-1] - df.index[0]
dt = dt/5
alias = f'{dt.total_seconds()}S'
gb = df.groupby(pd.Grouper(freq=alias))

每个组都是一个DataFrame，因此迭代这些组;从每个组创建每周组并将其打印出来。

for g,d_frame in gb:
    gb_tmp = d_frame.groupby(pd.Grouper(freq='7D'))
    ax = gb_tmp.boxplot(subplots=False)
    plt.setp(ax.xaxis.get_ticklabels(),rotation=90)
    plt.show()
    plt.close()

可能有一种更好的方法可以做到这一点，如果是这样我会发布它或者可能会有人自由编辑这个。看起来这可能导致最后一组没有完整的数据集。 ...

如果您知道您的数据是定期的，您可以使用切片将其拆分。

n = len(df) // 5
for tmp_df in (df[i:i+n] for i in range(0, len(df), n)):
    gb_tmp = tmp_df.groupby(pd.Grouper(freq='7D'))
    ax = gb_tmp.boxplot(subplots=False)
    plt.setp(ax.xaxis.get_ticklabels(),rotation=90)
    plt.show()
    plt.close()

Frequency aliases
pandas.read_csv()
pandas.Grouper()