如何以 timedelta 格式绘制包含日期和时间的时间分布直方图 - python？

Question

我有一个显示唯一 ID 及其活动持续时间的数据框（即 ID 1821 显示活动时间为 170 天 12 小时 34 分 12 秒）：

     ID      Duration

0  1821      170 days 12:34:12
1  1245       30 days 11:11:23
2  1345      110 days 15:12:01 
3  8782       22 days 22:01:11 
4  8123       21 days 01:13:42
5  9292        0 days 12:12:14
6  1921       11 days 22:11:41
7  1920       12 days 02:12:58
8  9182      160 days 21:11:04

有没有一种方法可以使用此数据创建直方图来显示所有 ID 的时间分布（原始数据包含 100 万行）？因为持续时间不是日期格式，所以我不确定是否仍然可以使用天、小时或分钟来创建直方图？

谢谢

Answer 1

我将所有的天数和小时数一起转换成一个数字，但我将它们全部转换为秒数以可视化它们的频率。

import pandas as pd
import numpy as np
import datetime
import io

data = '''
 ID Duration
0  1821 "170 days 12:34:12"
1  1245 "30 days 11:11:23"
2  1345 "110 days 15:12:01" 
3  8782 "22 days 22:01:11" 
4  8123 "21 days 01:13:42"
5  9292 "0 days 12:12:14"
6  1921 "11 days 22:11:41"
7  1920  "2 days 02:12:58"
8  9182 "160 days 21:11:04"
'''

df = pd.read_csv(io.StringIO(data), sep='\s+')

df1 = pd.concat([df['ID'], df['Duration'].str.split(' days ', expand=True)], axis=1)
df1.rename(columns={0:'days',1:'time'}, inplace=True)
df1['time'] = pd.to_datetime(df1['time'])
df1['days'] = df1['days'].astype(int)
df1['total_seconds'] = (df1['days'] * 24 * 60 * 60) + (df1['time'].dt.hour * 60 * 60) + (df1['time'].dt.minute * 60) + df1['time'].dt.second
df1[['total_seconds']].plot.hist(bins=12)

Answer 2

使用 pd.cut 将列 Duration 的值分箱到离散的天数间隔中，然后在此分类序列上使用 Series.value_counts + Series.sort_index 以获得频率分布每个间隔，然后使用 Series.plot 和可选参数 kind='bar':

bins = range(0, df['Duration'].max().days + 10, 10)
data = pd.cut(df['Duration'].dt.days, bins, include_lowest=True)
data.value_counts().sort_index().plot(kind='bar')

plt.xlabel('Days Active')
plt.ylabel('Number of Users Active')
plt.title('Distribution of Active users')

结果：

如何以 timedelta 格式绘制包含日期和时间的时间分布直方图 - python？

How to plot a time distribution histogram with days and time in timedelta format - python?

python

numpy

matplotlib

histogram

pandas