从 'Datetime' 创建 'Time' 以比较不同日期的事件时间
Create 'Time' from 'Datetime' to compare event time from different days
总结
我有一个 csv 文件作为数据源，我正在将其加载到 pandas 数据框中。
它包含一个包含时间戳的日期时间列，并跨越多个月的历史记录，当有人对机器执行不同的扫描操作时自动创建。动作类型也记录在单独的列中：
Index
Datetime
Action
0
12/7/2021 16:39:46
a
1
16/6/2021 10:24:26
a
2
21/6/2021 12:43:35
b
3
11/6/2021 19:56:28
a
4
28/5/2021 14:28:47
b
问题
要绘制一种类型的热图并找出一天中什么时候聚集的动作，我想将时间戳与日期时间隔离开来，因为我并不真正关心日期。
Datetime 最初是一个对象，我使用 pd.to.datetime 将其转换为 datetime。
现在我可以使用以下方法将时间拆分到不同的列：
df['Time'] = df['Timestamp'].dt.strftime('%H:%M')
但我的问题是，新数据类型又是一个对象，出于绘图原因，我想我必须再次转换它才能正确排序。
最终输出应该是上述热图，x 轴范围从 06:00 上午到 23:00 上午，在 y 轴上绘制两个桶中的不同操作类型。只是为了让您了解数据的最终用途。
对于 python pandas 的时间序列分析新手的任何指示，我将非常感谢 :)
我认为您正在寻找散点图而不是热图。尝试：
import matplotlib.pyplot as plt
import matplotlib.dates as md
df["Datetime"] = pd.to_datetime(pd.to_datetime(df["Datetime"], format="%d/%m/%Y %H:%M:%S").dt.strftime("%H:%M"))
ax = df.plot.scatter(x="Datetime",y="Action",rot=90)
ax.set_xlim(pd.Timestamp("06:00"), pd.Timestamp("23:00"))
ax.xaxis.set_major_locator(md.MinuteLocator(byminute = [0]))
ax.xaxis.set_major_formatter(md.DateFormatter('%H:%M'))
输出：
总结 我有一个 csv 文件作为数据源，我正在将其加载到 pandas 数据框中。 它包含一个包含时间戳的日期时间列，并跨越多个月的历史记录，当有人对机器执行不同的扫描操作时自动创建。动作类型也记录在单独的列中：
| Index | Datetime | Action |
|---|---|---|
| 0 | 12/7/2021 16:39:46 | a |
| 1 | 16/6/2021 10:24:26 | a |
| 2 | 21/6/2021 12:43:35 | b |
| 3 | 11/6/2021 19:56:28 | a |
| 4 | 28/5/2021 14:28:47 | b |
问题 要绘制一种类型的热图并找出一天中什么时候聚集的动作，我想将时间戳与日期时间隔离开来，因为我并不真正关心日期。
Datetime 最初是一个对象，我使用 pd.to.datetime 将其转换为 datetime。
现在我可以使用以下方法将时间拆分到不同的列：
df['Time'] = df['Timestamp'].dt.strftime('%H:%M')
但我的问题是，新数据类型又是一个对象，出于绘图原因，我想我必须再次转换它才能正确排序。
最终输出应该是上述热图，x 轴范围从 06:00 上午到 23:00 上午，在 y 轴上绘制两个桶中的不同操作类型。只是为了让您了解数据的最终用途。
对于 python pandas 的时间序列分析新手的任何指示，我将非常感谢 :)
我认为您正在寻找散点图而不是热图。尝试：
import matplotlib.pyplot as plt
import matplotlib.dates as md
df["Datetime"] = pd.to_datetime(pd.to_datetime(df["Datetime"], format="%d/%m/%Y %H:%M:%S").dt.strftime("%H:%M"))
ax = df.plot.scatter(x="Datetime",y="Action",rot=90)
ax.set_xlim(pd.Timestamp("06:00"), pd.Timestamp("23:00"))
ax.xaxis.set_major_locator(md.MinuteLocator(byminute = [0]))
ax.xaxis.set_major_formatter(md.DateFormatter('%H:%M'))