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。
答案 0 :(得分:2)
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()