用时间数据绘制带状图

Question

当在 x 轴上使用时间数据时，Plotly Express 带状图不会按颜色分隔点。

设置一些具有随机组和状态的数据（这将是我们图中点的颜色）

import pandas as pd
import plotly.express as px
import random

random.seed(0)
n = 100
df = pd.DataFrame(
    data=dict(
        group=random.choices(["A","B","C"], k=n),
        status=random.choices(["on", "off"], k=n),
        time=pd.date_range('2/5/2019', periods = n, freq ='2H'),
    )
)

我们的数据框是

print(df)

   group status                time
0      C    off 2019-02-05 00:00:00
1      C    off 2019-02-05 02:00:00
2      B     on 2019-02-05 04:00:00
3      A    off 2019-02-05 06:00:00
4      B     on 2019-02-05 08:00:00
..   ...    ...                 ...
95     C     on 2019-02-12 22:00:00
96     C    off 2019-02-13 00:00:00
97     A     on 2019-02-13 02:00:00
98     B    off 2019-02-13 04:00:00
99     B     on 2019-02-13 06:00:00

[100 rows x 3 columns]

当我们以

"time"

为 x 轴，使用

status

作为颜色制作条形图时，所有状态值都位于相同的 y 级别

px.strip(df, x="time", y="group", color="status")

但是如果我们使用 DataFrame 的整数索引作为 x 轴，则颜色会放置在不同的 y 级别上

px.strip(df.reset_index(), x="index", y="group", color="status")

我希望时间数据像整数数据一样绘制（在不同的 y 级别上具有不同的颜色）。我在文档中没有看到任何内容表明时态数据是一个问题。

Answer 1

当然，有一种更简单的方法可以实现您想要的结果，但另一种解决方案是使用整数索引作为 x 轴创建带状图，然后将刻度标签更新为日期时间值。

此解决方案的缺点是，

plotly

通常会自动为您管理某些事情，例如刻度标签间距，现在必须由您的代码手动处理。

这是此方法的源代码：

import plotly.express as px
import pandas as pd
import numpy as np
import random

random.seed(0)

# Assuming df is your DataFrame with a 'time' column containing datetime values,
# 'group' for y-values, and 'status' for coloring.
n = 100
df = pd.DataFrame(
    data=dict(
        group=random.choices(["A","B","C"], k=n),
        status=random.choices(["on", "off"], k=n),
        time=pd.date_range('2/5/2019', periods = n, freq ='2H'),
    )
)

# Optionally, ensure 'time' is a datetime column
df['time'] = pd.to_datetime(df['time'])

# Create a numeric sequence for the x-axis
numeric_x = np.arange(len(df))

# Create the plot figure
fig = px.strip(df, x=numeric_x, y="group", color="status")

# Format the datetime values as strings
formatted_dates = df['time'].dt.strftime('%b %d<br>%Y')

# Select a subset of formatted datetime values for tick labels to avoid overcrowding
# Here, we select every Nth label, where N depends on the density of your data
N = max(1, len(df) // 5) # Adjust this based on your data density
tick_vals = np.array([*numeric_x[::N], numeric_x[-1]])
tick_texts = np.array([*formatted_dates[::N], formatted_dates.iloc[-1]])

# Set the customized tick labels
fig.update_xaxes(tickvals=tick_vals, ticktext=tick_texts)

# Update layout (optional)
fig.update_layout(
    xaxis_title="Time",
    yaxis_title="Group Value",
    legend_title="Status"
)

# Show the plot
fig.show()

输出：