让我们创建一个最小的示例。数据之间平均间隔5小时(5h00、10h00、15h00)。
import pandas as pd
import matplotlib.pyplot as plt
index = pd.to_datetime(["2019-09-11 05:00:00",
"2019-09-11 10:00:30",
"2019-09-11 15:00:00"])
pd.DataFrame({"x" : [1,2,4], "y" : [3,4,4]}, index=index).plot()
plt.show()
这将导致以下绘图:
现在,让30秒增加一个日期时间,
index = pd.to_datetime(["2019-09-11 05:00:00",
"2019-09-11 10:00:30", # <-- added 30 seconds here
"2019-09-11 15:00:00"])
现在数据不再等距分布了,结果是:
因此,在后一种情况下,pandas不会将其视为“ ts_plot”。“ ts”大概代表时间序列,但有人可能会认为两者都是时间序列。但是,当然不能对后一种情况进行重采样-因此这似乎是潜在的区别。
不幸的是,熊猫将格式化程序与这种时间序列联系在一起,并且无法手动更改。
通过放入x_compat=True
该plot
函数,可以获得一致的结果。这将确保不使用独立于数据的“ ts”形轴。它将始终导致第二种情节。
df.plot(x_compat=True)
这样做的好处是,您可以通过matplotlib.dates
格式器和定位器手动更改那些法线图的格式。
本文收集自互联网,转载请注明来源。
如有侵权,请联系 [email protected] 删除。
我来说两句