Вопрос или проблема
У меня есть датафрейм (df), который содержит данные о выполнении задания в разные временные интервалы. Он включает в себя следующие детали о выполнении задания:
- Время начала задания (
START) - Время окончания задания (
END) - Временной интервал (
interval), т.е.END–START.
Небольшая часть датафрейма представлена ниже.
Датафрейм (df):
END | START | interval
1423.0 | 1357.0 | 66.0
33277.0 | 33325.0 | -48.0
42284.0 | 42250.0 | 34.0
53466.0 | 53218.0 | 248.0
62158.0 | 62073.0 | 85.0
Я хочу построить график с x-осью как временной меткой и y-осью с interval. Я пытался сделать это с использованием времени START, но это не дало правильного результата. Как мы можем это сделать?
Код
fig_dims = (12, 10)
fig, ax = plt.subplots(figsize=fig_dims)
sns.lineplot(x = 'START', y = 'interval', data = df, ax = ax)
Выходные данные
Требуемый выход
x-ось – Временная метка
y-ось – Интервал
Некоторые предложенные альтернативные методы визуализации этих данных:
-
Гистограмма y-оси. Проверьте распределение временных интервалов
df.plot.hist(by='interval', bins=10) #попробуйте изменить размер бинов -
Постройте меньшие подмножества данных, если порядок важен, например,
df[:100].plot(). Кроме того, если в данных имеется периодичность, например,ежедневно,ежечаснои т.д., вы можете наложить каждый час друг на друга (в другом цвете) для сравнения различий между периодами.
Ответ или решение
Для того чтобы построить график временных интервалов из DataFrame в Pandas, вы можете использовать библиотеку Matplotlib в сочетании с Seaborn. В данном случае, чтобы корректно отобразить временные метки по оси X и интервалы по оси Y, необходимо убедиться, что вы используете правильные временные метки для построения графика.
Исходя из предоставленных данных, вы хотите использовать столбец START в качестве оси X и interval в качестве оси Y. Но если вы хотите более точно визуализировать продолжительность работы, вам также может быть полезно воспользоваться дополнительными методами визуализации.
Вот пример, как можно построить график с использованием библиотеки Seaborn:
import pandas as pd
import matplotlib.pyplot as plt
import seaborn as sns
# Предположим, что ваш DataFrame выглядит следующим образом:
data = {
'START': [1357.0, 33325.0, 42250.0, 53218.0, 62073.0],
'END': [1423.0, 33277.0, 42284.0, 53466.0, 62158.0],
'interval': [66.0, -48.0, 34.0, 248.0, 85.0]
}
df = pd.DataFrame(data)
# Размер графика
fig_dims = (12, 10)
fig, ax = plt.subplots(figsize=fig_dims)
# Плотите график
sns.lineplot(x='START', y='interval', data=df, ax=ax)
# Настройте видимость графика
ax.set_title('Временные интервалы исполнения задач')
ax.set_xlabel('Время начала (START)')
ax.set_ylabel('Временной интервал (interval)')
# Показать график
plt.show()Альтернативные методы визуализации:
-
Гистограмма: Это поможет вам увидеть распределение временных интервалов.
df['interval'].plot.hist(bins=10) plt.title('Гистограмма временных интервалов') plt.xlabel('Временной интервал') plt.ylabel('Частота') plt.show() -
Частичные графики: Если ваши данные большие, вы можете разделить их на меньшие группы для более детального анализа.
df[:100].plot(x='START', y='interval', kind='line') plt.title('Временные интервалы для первых 100 задач') plt.xlabel('Время начала (START)') plt.ylabel('Временной интервал (interval)') plt.show() -
Групповая визуализация: Если ваши данные имеют периодичность (например, ежедневно или ежечасно), вы могли бы рассмотреть возможность визуализации разных периодов в разных цветах для лучшего сравнения.
Это даст вам ясное представление о том, как временные интервалы варьируются в зависимости от времени начала задачи. Убедитесь, что ваши данные корректно отформатированы и отображены, чтобы достичь наилучших результатов в визуализации.