Question

我正在尝试plot pandas中的一个值范围。这些值取自df，这些值显示在任何时间点出现的值的总数。

我的尝试在下面。我遇到的问题是Columns的格式在午夜之后无法正确设置。与午夜之后的时间戳相关的值是x-axis在前，而不是在后。（请参见下图）

plotted

输出：

Answer 1

使用

df = df.astype({
    "Time1": np.datetime64,
    "Occurring1": np.int})

每个时间标记具有相同的日期（2019-03-05只是今天的日期）。 all_times的所有元素也具有相同的日期。然后从这里使用time_grid = np.arange(all_times.min(), all_times.max(), 10*t_min, dtype="datetime64")“得到错误的曲线”。

有两种解决该问题的策略：

策略A

如果您对看到的数据感到满意，但仅因不喜欢午夜后的数据而感到不满意（您希望在此找到数据），则可以移动/滚动数据。这种方法不会改变您提取数据以绘制图形的方式。我插入了以下步骤：

从Time_i确定最早的时间标记（=时间序列应开始的时间）。这是t_start
找出time_grid t_start的哪个索引。得到index。
在绘制移位/滚动阵列之前。但是，如果您也滚动X，它将不起作用！因此，请使用替代时间轴作为X
未显示：使用matplotlib （Example here）

这给出了（下面是代码）

策略B

由于没有日期的时间标记是定期的，因此您遇到了提到的问题。对于插值，时间轴应单调增加。因此，方法是：用scipy.interpolate.griddata(points, values, xi)进行插值时，用于points和x1的代理变量单调增加。为此，您将必须调整确定occurrences_grid的过程。

这是策略A的代码。

d = ({
    'Time1' : ['8:00:00','10:30:00','12:40:00','16:25:00','22:30:00','1:31:00','2:15:00','2:20:00','2:30:00'],
    'Occurring1' : ['1','2','3','4','5','4','3','2','1'],
    'Time2' : ['8:10:00','10:10:00','13:40:00','16:05:00','21:30:00','1:11:00','3:00:00','3:01:00','6:00:00'],
    'Occurring2' : ['1','2','3','4','5','4','3','2','0'],
    'Time3' : ['8:05:00','11:30:00','15:40:00','17:25:00','23:30:00','1:01:00','6:00:00','6:00:00','6:00:00'],
    'Occurring3' : ['1','2','2','3','2','1','0','0','0'],
    'Time4' : ['9:50:00','10:30:00','14:40:00','18:25:00','20:30:00','0:31:00','2:35:00','6:00:00','6:00:00'],
    'Occurring4' : ['1','2','3','4','4','3','2','0','0'],
    'Time5' : ['9:00:00','11:30:00','13:40:00','17:25:00','00:30:00','2:31:00','6:00:00','6:00:00','6:00:00'],
    'Occurring5' : ['1','2','3','3','2','1','0','0','0'],                   
     })

df = pd.DataFrame(data=d)

df = df.astype({
    "Time1": np.datetime64,
    "Occurring1": np.int,
    "Time2": np.datetime64,
    "Occurring2": np.int,
    "Time3": np.datetime64,
    "Occurring3": np.int,
    "Time4": np.datetime64,
    "Occurring4": np.int,
    "Time5": np.datetime64,
    "Occurring5": np.int,    
})

all_times = df[["Time1", "Time2", "Time3",'Time4','Time5']].values
t_start = min(df["Time1"].iloc[0], df["Time2"].iloc[0], df["Time3"].iloc[0], 
              df["Time4"].iloc[0], df["Time5"].iloc[0])                                  # new: t_start
t_start = np.datetime64(t_start)                                                         # conversion pandas/numpy
t_min = np.timedelta64(int(60*1e9), "ns")
time_grid = np.arange(all_times.min(), all_times.max(), 10*t_min, dtype="datetime64")
index = np.argmax(time_grid>=t_start)                                                    # new: index to start the graphics
print('index');print(index,time_grid[index])
X = pd.Series(time_grid).dt.time.values
occurrences_grid = np.zeros((5, len(time_grid)))

for i in range(5):
    occurrences_grid[i] = griddata(
        points=df["Time%i" % (i+1)].values.astype("float"),
        values=df["Occurring%i" % (i+1)],
        xi=time_grid.astype("float"),
        method="linear"
    )

occ_min = np.min(occurrences_grid, axis=0)
occ_max = np.max(occurrences_grid, axis=0)
occ_mean = np.mean(occurrences_grid, axis=0)

def roll(X,occ_min,occ_max,occ_mean):                                                   # new: shift/roll the values
    return np.arange(len(X)), np.roll(occ_min,-index), np.roll(occ_max,-index), np.roll(occ_mean,-index)
                                                                                       # do not shift X but use a surrogate time axis

X,occ_min,occ_max,occ_mean = roll(X,occ_min,occ_max,occ_mean) 

fig, ax0 = plt.subplots(figsize=(9,4))
plt.style.use('ggplot')
plt.fill_between(X, occ_min, occ_max, color="blue")
plt.plot(X, occ_mean, c="white")
plt.tight_layout()
plt.show()
fig.savefig('plot_model_2.png', transparency=True)

在午夜之后重新排列x轴的时间戳-Matplotlib

1 个答案: