按频率分组,然后绘制组
First 将 csv 数据读入 Pandas DataFrame http://pandas.pydata.org/pandas-docs/version/0.17.0/io.html#io-read-csv-table
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,30 天的每小时样本。
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')
现在按您想要的时间段进行分组,本例为 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')
要将数据划分为五个时间段,然后获取每个时间段的每周箱线图:
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,因此迭代组;创造weekly每个组并绘制箱线图。
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()
可能有更好的方法来做到这一点,如果是的话我会发布它或者也许有人会免费编辑它。看起来这可能会导致最后一组没有完整的数据。 ...
如果您知道数据是周期性的,则可以使用切片将其分割。
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()
频率别名 http://pandas.pydata.org/pandas-docs/version/0.17.0/timeseries.html#offset-aliases
pandas.read_csv() http://pandas.pydata.org/pandas-docs/version/0.17.0/generated/pandas.read_csv.html#pandas-read-csv
pandas.Grouper() http://pandas.pydata.org/pandas-docs/version/0.17.0/generated/pandas.Grouper.html?highlight=pandas.grouper#pandas.Grouper