如何绘制分类变量（用户名）与时间轴的散点图？

背景 #

我们有一个字典结构的用户交互数据：键是用户名，值是该用户的服务器交互时间戳列表（格式示例："25-Jun-2012 01:44"）。目标是绘制一张散点图：Y轴为用户名（分类变量），X轴为仅保留%H:%M的24小时制交互时间。目前在ax.scatter的x、y参数使用上有疑问，同时需要解决两个具体问题：

1. pandas将列转为含日期的datetime格式后，如何仅保留%H:%M部分？
2. 如何以列名作为分类变量，绘制所有列中的时间戳？

解决方案 #

先准备基础环境与测试数据 #

import pandas as pd
import matplotlib.pyplot as plt
import matplotlib.dates as mdates

# 测试用的用户交互数据
user_interactions = {
    "Alice": ["25-Jun-2012 01:44", "25-Jun-2012 09:12", "26-Jun-2012 18:30"],
    "Bob": ["25-Jun-2012 08:20", "26-Jun-2012 10:55", "27-Jun-2012 22:15"],
    "Charlie": ["25-Jun-2012 14:00", "26-Jun-2012 16:45"]
}

问题1：保留%H:%M部分的两种实用方式 #

根据需求场景不同，有两种处理思路：

1. 仅需要字符串格式的HH:MM：直接用dt.strftime提取

# 先把原始时间转成datetime格式
df = pd.DataFrame([(user, ts) for user, ts_list in user_interactions.items() for ts in ts_list],
                  columns=["username", "timestamp"])
df["timestamp"] = pd.to_datetime(df["timestamp"], format="%d-%b-%Y %H:%M")

# 提取HH:MM格式的字符串
df["time_str"] = df["timestamp"].dt.strftime("%H:%M")

2. 需要保留时间的时序性（用于绘图排序）：把时间转为统一日期的datetime对象（日期不影响时间轴的比较）

# 生成仅含时间的datetime（日期固定为某一天）
df["time_datetime"] = pd.to_datetime(df["timestamp"].dt.strftime("%H:%M"), format="%H:%M")

问题2：以用户名（列名）为分类变量绘制散点图 #

核心是把宽格式的字典/数据框转成长格式（每行对应一个用户的一次交互），这样就能直接用用户名作为Y轴分类变量：

# 1. 转换为长格式数据框（如果原始是宽格式，可用pd.melt转换）
df_long = pd.DataFrame([(user, ts) for user, ts_list in user_interactions.items() for ts in ts_list],
                       columns=["username", "timestamp"])
# 2. 处理时间戳，转为带时间的datetime对象
df_long["timestamp"] = pd.to_datetime(df_long["timestamp"], format="%d-%b-%Y %H:%M")
df_long["time_datetime"] = pd.to_datetime(df_long["timestamp"].dt.strftime("%H:%M"), format="%H:%M")

# 3. 绘制散点图
fig, ax = plt.subplots(figsize=(10, 6))
ax.scatter(df_long["time_datetime"], df_long["username"])

# 4. 美化X轴时间显示
ax.xaxis.set_major_formatter(mdates.DateFormatter("%H:%M"))
ax.xaxis.set_major_locator(mdates.HourLocator(interval=2))  # 每2小时一个刻度

# 添加标签与标题
ax.set_xlabel("交互时间（HH:MM）")
ax.set_ylabel("用户名")
ax.set_title("用户服务器交互时间散点图")

plt.xticks(rotation=45)
plt.tight_layout()
plt.show()

如果你的原始数据是宽格式DataFrame（每个用户占一列），可以用pd.melt快速转长格式：

df_wide = pd.DataFrame(user_interactions)
df_long = df_wide.melt(var_name="username", value_name="timestamp").dropna()

内容的提问来源于stack exchange，提问作者user136555