可视化值分布不均匀的两个数据集的共享正常运行时间

Question

我有两个 DataFrame，它们都包含来自传感器的结果值。传感器没有定期轮询，有时会中断几天。我现在想要的是传感器系统共享 uptime/downtime 的可视化表示。出于实际目的，我们假设如果两个数据点相隔不到 24 小时，则传感器被视为“启动”。

到目前为止我已经尝试过：

fig=go.Figure()
fig.add_trace(go.Scatter(x=Sensordata1.index,y=(np.diff(Sensordata2.index) < np.timedelta64(24,'h')),fill='tonexty'))
fig.add_trace(go.Scatter(x=Sensordata2.index,y=(np.diff(Sensordata2.index) < np.timedelta64(24,'h')),fill='tonexty'))
fig.show()

这给了我几乎想要的结果： Example plot here

如您所见，已经可以从图表中读取共享的正常运行/停机时间，但我希望图表不要在 True 和 False 之间进行线性插值，而是保持恒定值直到它发生变化。我怎样才能最轻松地做到这一点？

奖金问题：对于两个不一定在其时基中共享公共间隔的数据帧，获取作为日期时间值的运行时间和停机时间的最简单方法是什么？（在目前的情况下，我可能更容易手工完成，但我很好奇...）

Answer 1

不同的插值方法见这里：
https://plotly.com/python/line-charts/#interpolation-with-line-plots

在您的情况下，您可能会通过以下方式实现预期行为：

fig = go.Figure()
fig.add_trace(
    go.Scatter(
        x=Sensordata1.index,
        y=(np.diff(Sensordata2.index) < np.timedelta64(24, "h")),
        fill="tonexty",
        line_shape="hv",
    )
)
fig.add_trace(
    go.Scatter(
        x=Sensordata2.index,
        y=(np.diff(Sensordata2.index) < np.timedelta64(24, "h")),
        fill="tonexty",
        line_shape="hv",
    )
)
fig.show()

如果没有一些示例数据，您的奖金问题很难完全理解。但是您可以考虑使用 pd.DataFrame.resample()

将两个时间序列重新采样为公共时间步长

可视化值分布不均匀的两个数据集的共享正常运行时间

Visualize shared uptime of two datasets with uneven distribution of values

python

numpy

pandas

plotly-python