Python中连续数据的箱线图

Question

我有一个包含 2 列的 csv 文件：

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

• col2：热量数据（连续变量）。

由于有近 50k 条记录，我想将 col1(timestamp col) 划分为几个月或几周，然后将箱线图应用于热数据 w.r.t 时间戳。 我在R中尝试过，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，然后绘制组

第一个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，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分组，本例为 7 天

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

现在您可以分别绘制每个组

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，但它很酷

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')

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，所以迭代这些组；从每个组中创建每周组并将它们绘制成箱线图。

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()

可能有更好的方法可以做到这一点，如果是这样，我会发布它，或者也许有人会免费填写以进行编辑。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周期性的，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()