Python时间序列图表添加次级X轴标签及柱子透明度调整

需求说明 #

• 数据背景：拥有多组摄像头的15分钟间隔时间序列数据，每个摄像头可采集4条腿部的3种运动类型数据，存在仅对单个摄像头生效1小时的control_factor字段（取值True/False）。
• 可视化要求：
  • 为每个摄像头单独生成图表，展示每15分钟内各腿部的计数总和；
  • 在时间X轴下方添加次级标签：control_factor=True时显示Yes，control_factor=False时显示No；
  • 将control_factor=False对应的柱子调整为对应腿部色系的浅色。

优化后代码实现 #

基于你提供的数据生成代码，使用matplotlib和seaborn完成需求，代码如下：

import pandas as pd
from datetime import datetime, timedelta
import matplotlib.pyplot as plt
import seaborn as sns
from matplotlib.colors import to_rgb, to_hex

# ---------------------- 复用你的数据生成代码 ----------------------
def create_date_range(start_date, end_date, interval):
    date_range = []
    current_date = start_date
    while current_date <= end_date:
        date_range.append(current_date)
        current_date += interval
    return date_range

def create_dataframe(start_date, end_date, interval):
    date_range = create_date_range(start_date, end_date, interval)
    data = []
    for date_time in date_range:
        for camera in range(1, 5):
            for leg in range(1, 5):
                for movement in range(1, 4):
                    count = 1
                    control_factor = True if date_time.hour == 14 and camera == 1 else False
                    data.append([date_time, f'Cam{camera}', f'Leg{leg}', f'Move{movement}', count, control_factor])
    columns = ['DateTime', 'Camera', 'Leg', 'Movement', 'Count', 'control_factor']
    return pd.DataFrame(data, columns=columns)

start_date = datetime(2024, 1, 27, 14, 0, 0)
end_date = datetime(2024, 1, 27, 16, 0, 0)
interval = timedelta(minutes=15)
df = create_dataframe(start_date, end_date, interval)
# ---------------------- 数据生成代码结束 ----------------------

# 获取所有摄像头列表
unique_cameras = df['Camera'].unique()
# 为每个腿部定义基础颜色，后续生成浅色版本
leg_colors = {
    'Leg1': '#1f77b4',
    'Leg2': '#ff7f0e',
    'Leg3': '#2ca02c',
    'Leg4': '#d62728'
}
# 生成浅色版本：将RGB值调亮
light_leg_colors = {leg: to_hex([min(1, c + 0.3) for c in to_rgb(color)]) for leg, color in leg_colors.items()}

for camera in unique_cameras:
    # 过滤当前摄像头数据，按时间和腿部聚合（求和所有运动类型的计数）
    df_camera = df[df['Camera'] == camera]
    grouped_df = df_camera.groupby(['DateTime', 'Leg']).agg(
        Count=('Count', 'sum'),
        control_factor=('control_factor', 'first')
    ).reset_index()
    
    # 获取时间点列表（用于X轴定位）
    time_points = grouped_df['DateTime'].unique()
    # 为每个时间点生成control_factor标签
    control_labels = grouped_df.groupby('DateTime')['control_factor'].first().map({True: 'Yes', False: 'No'}).tolist()
    
    plt.figure(figsize=(15, 8))
    ax = plt.gca()
    
    # 按时间分组绘制柱状图，每个时间点下的腿部柱子并排
    sns.barplot(
        x='DateTime',
        y='Count',
        hue='Leg',
        data=grouped_df,
        ax=ax,
        palette=leg_colors,
        ci=None
    )
    
    # 调整control_factor=False的柱子颜色为浅色
    for bar, (_, row) in zip(ax.patches, grouped_df.iterrows()):
        if not row['control_factor']:
            bar.set_color(light_leg_colors[row['Leg']])
    
    # 添加次级X轴，显示Yes/No标签
    ax2 = ax.twiny()
    # 次级轴的位置与主X轴对齐
    ax2.set_xlim(ax.get_xlim())
    # 设置次级轴刻度位置（每个时间点的中心）
    ax2.set_xticks([i + (len(leg_colors)-1)/2 for i in range(0, len(time_points)*len(leg_colors), len(leg_colors))])
    ax2.set_xticklabels(control_labels, fontsize=12, fontweight='bold')
    ax2.set_xlabel('Control Factor', labelpad=15)
    
    # 调整主X轴标签
    ax.set_xticklabels([tp.strftime('%H:%M') for tp in time_points], rotation=45, ha='right')
    ax.set_title(f'{camera} - 各腿部每15分钟计数总和', fontsize=16)
    ax.set_xlabel('时间', labelpad=15)
    ax.set_ylabel('计数总和', labelpad=15)
    
    plt.tight_layout()
    plt.show()

关键优化点说明 #

1. 数据聚合修正：原代码保留了Movement维度，我们调整为按DateTime和Leg聚合，直接得到每个时间点各腿部的计数总和，符合需求。
2. 颜色自定义：为每个腿部定义基础色和浅色，通过control_factor判断替换柱子颜色，实现浅色区分效果。
3. 次级X轴实现：通过twiny()创建次级X轴，对齐主X轴的时间点位置，设置Yes/No标签，满足X轴下方添加次级标签的需求。
4. 标签优化：将时间格式简化为%H:%M，提升可读性，同时调整布局避免标签重叠。

内容的提问来源于stack exchange，提问作者GeoBeez