用Matplotlib在Python中绘制时间

更新:

这个答案是过时的从matplotlib 3.5版开始。plot函数现在直接处理datetime数据。看到https://matplotlib.org/3.5.1/api/_as_gen/matplotlib.pyplot.plot_date.html

不鼓励使用plot_date。这种方法存在于历史上

类似datetime的数据应该直接使用plot绘制。

如果您需要将普通数字数据绘制为Matplotlib日期格式或 需要设置一个时区，调用ax.xaxis。Axis_date / ax.yaxis.axis_date 之前的情节。看到Axis.axis_date。< / p >

过时的答案:

首先必须将时间戳转换为Python datetime对象(使用datetime.strptime)。然后使用date2num将日期转换为matplotlib格式。

使用plot_date绘制日期和值:

import matplotlib.pyplot
import matplotlib.dates


from datetime import datetime


x_values = [datetime(2021, 11, 18, 12), datetime(2021, 11, 18, 14), datetime(2021, 11, 18, 16)]
y_values = [1.0, 3.0, 2.0]


dates = matplotlib.dates.date2num(x_values)
matplotlib.pyplot.plot_date(dates, y_values)

你也可以使用pyplot.plot(在解析它们的字符串表示之后)绘制时间戳、值对。(使用matplotlib版本1.2.0和1.3.1进行测试。)

例子:

import datetime
import random
import matplotlib.pyplot as plt


# make up some data
x = [datetime.datetime.now() + datetime.timedelta(hours=i) for i in range(12)]
y = [i+random.gauss(0,1) for i,_ in enumerate(x)]


# plot
plt.plot(x,y)
# beautify the x-labels
plt.gcf().autofmt_xdate()


plt.show()

生成的图片:

这是与散点图相同的图:

import datetime
import random
import matplotlib.pyplot as plt


# make up some data
x = [datetime.datetime.now() + datetime.timedelta(hours=i) for i in range(12)]
y = [i+random.gauss(0,1) for i,_ in enumerate(x)]


# plot
plt.scatter(x,y)
# beautify the x-labels
plt.gcf().autofmt_xdate()


plt.show()

生成类似于下面的图像:

.

使用Matplotlib 2.0.0，我必须从Paul H. 在matplotlib中编辑x轴标记标签的日期格式中添加以下代码。

import matplotlib.dates as mdates
myFmt = mdates.DateFormatter('%d')
ax.xaxis.set_major_formatter(myFmt)

我将格式更改为(%H:%M)，时间显示正确。 < / p >

这一切都要感谢社区。

我在使用matplotlib版本:2.0.2时遇到了问题。运行上面的示例，我得到了一组居中堆叠的气泡。

我通过添加另一行来“修复”这个问题:

plt.plot([],[])

整个代码片段变成:

import datetime
import random
import matplotlib.pyplot as plt
import matplotlib.dates as mdates




# make up some data
x = [datetime.datetime.now() + datetime.timedelta(minutes=i) for i in range(12)]
y = [i+random.gauss(0,1) for i,_ in enumerate(x)]


# plot
plt.plot([],[])
plt.scatter(x,y)


# beautify the x-labels
plt.gcf().autofmt_xdate()
myFmt = mdates.DateFormatter('%H:%M')
plt.gca().xaxis.set_major_formatter(myFmt)


plt.show()
plt.close()

这就产生了一个气泡按需要分布的图像。

熊猫数据帧还没有被提到。我想展示这些是如何解决我的约会时间问题的。我有datetime到毫秒2021-04-01 16:05:37。我拉linux/haproxy吞吐量从/proc，所以我可以真正格式化它，但我喜欢。这对于将数据输入实时图形动画非常有用。

下面是csv文件。(忽略每秒数据包列，我在另一个图中使用它)

head -2 ~/data
date,mbps,pps
2021-04-01 16:05:37,113,9342.00
...

通过使用print(dataframe.dtype)，我可以看到数据是如何读入的:

(base) ➜  graphs ./throughput.py
date      object
mbps      int64
pps       float64
dtype:    object

Pandas将日期字符串作为"object"拉入，这就是char类型。在脚本中使用这个as-is:

import matplotlib.pyplot as plt
import pandas as pd


dataframe = pd.read_csv("~/data")


dates = dataframe["date"]
mbps = dataframe["mbps"]


plt.plot(dates, mbps, label="mbps")
plt.title("throughput")
plt.xlabel("time")
plt.ylabel("mbps")
plt.legend()
plt.xticks(rotation=45)


plt.show()

Matplotlib呈现所有毫秒时间数据。我已经添加了plt.xticks(rotation=45)来倾斜日期，但这不是我想要的。我可以把日期&;对象&;到datetime64[ns]。matplotlib知道如何渲染。

dataframe["date"] = pd.to_datetime(dataframe["date"])

这次我的date类型是datetime64[ns]

(base) ➜  graphs ./throughput.py
date    datetime64[ns]
mbps             int64
pps            float64
dtype:          object

相同的脚本，只差一行。

#!/usr/bin/env python
import matplotlib.pyplot as plt
import pandas as pd


dataframe = pd.read_csv("~/data")


# convert object to datetime64[ns]
dataframe["date"] = pd.to_datetime(dataframe["date"])


dates = dataframe["date"]
mbps = dataframe["mbps"]


plt.plot(dates, mbps, label="mbps")
plt.title("throughput")
plt.xlabel("time")
plt.ylabel("mbps")
plt.legend()
plt.xticks(rotation=45)


plt.show()

这对于您的用例可能不是理想的，但它可能会帮助其他人。