Matplotlib每日每2小时原始数据点绘制问题求助

核心实现思路 #

要替换原有的每日均值为每2小时原始数据点，核心是跳过均值计算逻辑，改为按2小时时间窗口筛选对应窗口内的原始数据，需重点处理：

• 跨天CSV文件的读取（覆盖最近24小时的所有数据文件）
• 完整时间序列的拼接与解析
• 按2小时间隔精准提取原始数据点

具体代码修改方案 #

假设你的Graph24H类已有基础的文件读取逻辑，以下是修改后的核心代码：

1. 修改数据获取方法 #

import pandas as pd
from datetime import datetime, timedelta

class Graph24H:
    def get_data_for_last_24h(self):
        # 定义最近24小时的时间范围
        end_time = datetime.now()
        start_time = end_time - timedelta(hours=24)
        
        # 生成需要读取的CSV文件名（覆盖跨天场景）
        date_range = pd.date_range(start=start_time.date(), end=end_time.date())
        csv_files = [date.strftime("%Y-%m-%d") + ".csv" for date in date_range]
        
        # 读取并合并所有目标CSV
        all_data = []
        for file in csv_files:
            try:
                df = pd.read_csv(file)
                # 拼接日期与时间戳，生成完整datetime对象
                file_date = datetime.strptime(file.split(".")[0], "%Y-%m-%d")
                df["Datetime"] = df["Timestamp"].apply(
                    lambda x: datetime.strptime(x, "%H-%M-%S").replace(
                        year=file_date.year, month=file_date.month, day=file_date.day
                    )
                )
                all_data.append(df)
            except FileNotFoundError:
                continue
        
        if not all_data:
            return pd.DataFrame()
        
        combined_df = pd.concat(all_data)
        # 筛选最近24小时内的有效数据
        filtered_df = combined_df[(combined_df["Datetime"] >= start_time) & (combined_df["Datetime"] <= end_time)]
        
        # 按每2小时窗口分组，提取每组第一个原始数据点（可按需改为最后一个/最接近整点的点）
        time_bins = pd.date_range(start=start_time.floor("2h"), end=end_time.ceil("2h"), freq="2h")
        filtered_df["TimeBin"] = pd.cut(filtered_df["Datetime"], bins=time_bins, labels=time_bins[:-1])
        hourly_points = filtered_df.groupby("TimeBin").first().reset_index()
        
        return hourly_points

2. 修改绘图逻辑 #

替换原均值绘图代码，改为绘制原始数据点：

import matplotlib.pyplot as plt

def plot_24h_raw_points(self):
    data = self.get_data_for_last_24h()
    if data.empty:
        return
    
    fig, (ax1, ax2, ax3) = plt.subplots(3, 1, figsize=(10, 8))
    
    # DO参数绘图
    ax1.scatter(data["TimeBin"], data["DO"], color="blue", label="DO")
    ax1.plot(data["TimeBin"], data["DO"], color="blue", linestyle="--", alpha=0.5)
    ax1.set_ylabel("DO")
    ax1.legend()
    ax1.grid(True)
    
    # pH参数绘图
    ax2.scatter(data["TimeBin"], data["pH"], color="green", label="pH")
    ax2.plot(data["TimeBin"], data["pH"], color="green", linestyle="--", alpha=0.5)
    ax2.set_ylabel("pH")
    ax2.legend()
    ax2.grid(True)
    
    # Temperature参数绘图
    ax3.scatter(data["TimeBin"], data["Temperature"], color="red", label="Temperature")
    ax3.plot(data["TimeBin"], data["Temperature"], color="red", linestyle="--", alpha=0.5)
    ax3.set_xlabel("Time (2-hour intervals)")
    ax3.set_ylabel("Temperature")
    ax3.legend()
    ax3.grid(True)
    
    plt.tight_layout()
    plt.show()

效果说明 #

• 当前效果：单图显示每个参数的日均值，仅1个数据点/参数
• 期望效果：每个参数显示12个原始数据点（对应24小时内每2小时一个点），点间用虚线连接便于观察趋势，保留原始数据真实性

关键注意事项 #

• 若需提取窗口内最接近2小时整点的数据点，可将groupby("TimeBin").first()替换为自定义逻辑：计算每个数据点与窗口起始时间的差值，取差值最小的点
• 处理无数据的时间窗口：可通过reindex方法为空白窗口填充NaN，避免绘图时出现断点
• 确保CSV文件的时间戳格式严格为HH-MM-SS，若存在格式不一致需提前做清洗处理

内容的提问来源于stack exchange，提问作者Cloud