我的数据未正确覆盖在网格上

Posted 2023-03-16

【中文标题】我的数据未正确覆盖在网格上

【英文标题】：My data is not overlaid on the grid correctly

【发布时间】：2022-01-16 12:48:20

【问题描述】：

我将很快从事一个包含大量数据的机器学习项目，因此我尝试模拟我将面临的挑战类型，以进行相应的准备。第一个是从 .cvs 中绘制日期时间（x 轴上的日期和 y 轴上的小时数）（使用 2021 年 4 月和 2020 年 4 月的此类数据）：

我现在拥有的是 2021 年系列中的以下情节：

但我不明白为什么网格上的点不正确，例如，我在 2021 年 4 月的最新点应该是我在文件上的最后日期（即 07:37:56 30/ 04/2021）：

但正如您在下图中看到的那样：

4 月的最后一个点在 y 刻度上比 08:00:00 更接近 07:00:00，并且位于 x 刻度的中间，如第 29 天和第 30 天的中间。这只是整个情节发生的事情的一个例子，我真的不知道为什么会发生。

我在 Google Colab 上的代码是这样的

#LIBRARIES AND PRE PROCESSING
import pandas as pd
import matplotlib.pyplot as plt
import matplotlib.dates as pltd
import numpy as np
from datetime import datetime

caminho_dados = "/content/sample.csv"
df = pd.read_csv(caminho_dados,encoding='UTF-8',sep=',')

novo=df['ID;Hora;Data;;;'].str.split(';').str
df['ID']=novo[0]
df['Hora']=novo[1]
df['Data']=novo[2]

df.drop(columns=['ID;Hora;Data;;;'],inplace=True)

df['Data']=pd.to_datetime(df['Data'],format ='%d/%m/%Y')
df['Hora']=pd.to_datetime(df['Hora'],format ='%H:%M:%S')

#SEPARATING THE TWO APRILS I HAVE ON TWO DATAFRAMES, 2021 ONE & 2020 ONE
df_vinteum = df.iloc[:50, :]
df_vinte = df.iloc[50:, :]

#PLOTTING
fig, ax = plt.subplots()
ax.scatter(df_vinteum['Data'], df_vinteum['Hora'])

ax.xaxis.set_major_formatter(pltd.DateFormatter('%d'))
ax.yaxis.set_major_formatter(pltd.DateFormatter('%H'))

start, end = ax.get_xlim()
ax.xaxis.set_ticks(np.arange(start, end, 1))

start, end = ax.get_ylim()
ax.yaxis.set_ticks(np.arange(start,end,(end-start)/24))

plt.title("Abril 2021")
plt.xlabel('Dias')
plt.ylabel('Horas')
plt.xticks(rotation=45)
plt.grid()

plt.rcParams["figure.figsize"] = (20,6)

plt.show()

【参考方案1】：

发生这种情况是因为您采用了 matplotlib 生成的默认限制，但这些不一定会精确到每个小时的开始。我创建了一个较小的样本数据集来重新创建相同的问题：

import numpy as np
import pandas as pd
import matplotlib.pyplot as plt
import matplotlib.dates as pltd

## create sample data
hora =  ['12:06:24','20:49:00','07:37:56']
dias = ['14/04/2021','15/04/2021','30/04/2021']

df = pd.DataFrame('Hora':hora, 'Data':dias)

请注意，如果我修改您的代码以在 y 轴上显示 minutes ax.yaxis.set_major_formatter(pltd.DateFormatter('%H:%M'))，您会看到实际的 y 刻度并不完全在小时：

同样的问题也发生在 x 轴上。您可以使用DayLocator 和HourLocator（在文档here 中进行了描述，在this answer 中有进一步的解释）。

如果您将 DayLocator 和 HourLoactor 对象传递给函数 ax.xaxis.set_major_locator 和 ax.yaxis.set_major_locator，您可以更正散点图刻度线（完整代码如下）：

import numpy as np
import pandas as pd
import matplotlib.pyplot as plt
import matplotlib.dates as pltd

## create sample data
hora =  ['12:06:24','20:49:00','07:37:56']
dias = ['14/04/2021','15/04/2021','30/04/2021']

df = pd.DataFrame('Hora':hora, 'Data':dias)

df['Data']=pd.to_datetime(df['Data'],format ='%d/%m/%Y')
df['Hora']=pd.to_datetime(df['Hora'],format ='%H:%M:%S')

#PLOTTING
fig, ax = plt.subplots()
ax.scatter(df['Data'], df['Hora'])

ax.xaxis.set_major_formatter(pltd.DateFormatter('%d'))
ax.yaxis.set_major_formatter(pltd.DateFormatter('%H:%M'))

days = pltd.DayLocator(interval = 1)
ax.xaxis.set_major_locator(days)

hours = pltd.HourLocator(interval = 1)
ax.yaxis.set_major_locator(hours)

plt.title("Abril 2021")
plt.xlabel('Dias')
plt.ylabel('Horas')
plt.xticks(rotation=45)
plt.grid()

plt.rcParams["figure.figsize"] = (20,6)

plt.show()