使用Seaborn绘制5000条pH时序数据图表遇问题求助

一、处理大数据集可视化的痛点（刻度拥挤+散点趋势异常） #

1. 时间轴刻度拥挤 #

每周4-5k条数据大概率是分钟/小时级采样，直接绘图会导致X轴时间标签重叠，解决办法：

• 自动调整刻度与格式化：借助matplotlib的日期工具类，让系统自动适配合适的刻度间隔，同时旋转标签避免重叠：

  import matplotlib.dates as mdates
  import seaborn as sns
  import matplotlib.pyplot as plt
  
  fig, ax = plt.subplots(figsize=(12,6))
  sns.lineplot(data=df, x='Date', y='pH', ax=ax)
  # 设置X轴刻度为合理范围，自动调整
  ax.xaxis.set_major_locator(mdates.AutoDateLocator(minticks=5, maxticks=10))
  ax.xaxis.set_major_formatter(mdates.DateFormatter('%m-%d %H:%M'))
  # 旋转标签45度，避免重叠
  plt.xticks(rotation=45)
  plt.tight_layout()
  

• 降采样聚合：如果不需要看每一条数据的细节，按小时/半天聚合后再绘图，既减少数据量，又能更清晰展示趋势：

  # 按小时聚合pH均值
  df_hourly = df.resample('H', on='Date')['pH'].mean().reset_index()
  sns.lineplot(data=df_hourly, x='Date', y='pH')
  

2. 散点图趋势不符预期 #

4-5k个点堆叠在一起会出现严重重叠，导致趋势被掩盖，试试这些方法：

• 降低点透明度：通过alpha参数让重叠区域颜色加深，能直观看到数据密度：

  sns.scatterplot(data=df, x='Date', y='pH', alpha=0.2)
  

• 改用密度类图表：如果重点是看分布而非单个点，用六边形分箱图替代散点：

  sns.jointplot(data=df, x='Date', y='pH', kind='hex', height=8)
  

• 降采样后再绘散点：和线图一样，聚合后的数据点更少，趋势更明确：

  df_daily = df.resample('D', on='Date')['pH'].median().reset_index()
  sns.scatterplot(data=df_daily, x='Date', y='pH')
  

二、周/月/年维度多指标图表自动化实现 #

核心思路是按时间维度聚合数据+批量生成子图，以下是可复用的方案：

1. 封装数据聚合函数 #

根据指定的时间频率（周/月/年），自动聚合所有指标的统计量（这里用均值，可按需替换为max/min等）：

def aggregate_data(df, freq='W'):
    # 定义需要聚合的指标列
    metrics = ['水位', '流量', 'pH', '温度']
    # 按时间频率聚合，计算均值
    agg_df = df.resample(freq, on='Date')[metrics].mean().reset_index()
    # 给时间列重命名，方便后续绘图
    agg_df.rename(columns={'Date': f'{freq}_period'}, inplace=True)
    return agg_df

2. 批量生成多指标子图 #

用matplotlib的子图布局，一次性生成所有指标的趋势图，统一设置样式：

def plot_multi_metrics(agg_df, freq_name):
    metrics = ['水位', '流量', 'pH', '温度']
    # 创建2行2列的子图布局
    fig, axes = plt.subplots(nrows=2, ncols=2, figsize=(16,10))
    axes = axes.flatten() # 把二维数组转成一维，方便循环
    
    for idx, metric in enumerate(metrics):
        ax = axes[idx]
        sns.lineplot(data=agg_df, x=f'{freq_name}_period', y=metric, ax=ax)
        ax.set_title(f'{metric}按{freq_name}变化趋势')
        ax.tick_params(axis='x', rotation=45)
        # 格式化时间轴
        ax.xaxis.set_major_formatter(mdates.DateFormatter('%Y-%m-%d'))
    
    plt.tight_layout()
    plt.savefig(f'{freq_name}_多指标趋势图.png') # 自动保存图片，用于报告

# 调用示例：生成周维度图表
weekly_df = aggregate_data(df, freq='W')
plot_multi_metrics(weekly_df, freq_name='周')

# 生成月维度图表
monthly_df = aggregate_data(df, freq='M')
plot_multi_metrics(monthly_df, freq_name='月')

3. 多指标对比进阶（可选） #

如果需要在同一张图对比多个指标（注意数值范围差异），可以标准化后绘图，或者用双Y轴：

# 标准化指标（0-1范围），方便同图对比
from sklearn.preprocessing import MinMaxScaler

scaler = MinMaxScaler()
weekly_df[['水位', '流量', 'pH', '温度']] = scaler.fit_transform(weekly_df[['水位', '流量', 'pH', '温度']])

fig, ax = plt.subplots(figsize=(12,6))
for metric in ['水位', '流量', 'pH', '温度']:
    sns.lineplot(data=weekly_df, x='W_period', y=metric, label=metric, ax=ax)

ax.set_title('周维度标准化指标对比')
ax.tick_params(axis='x', rotation=45)
ax.legend()
plt.tight_layout()

内容的提问来源于stack exchange，提问作者dr_jack3l