多类别时间序列数据可视化：产线批次与阶段趋势图绘制方法

我有一条产线的时间序列数据集，包含batch字段（表示批次名称，字符串类型）和phase字段（表示生产阶段，字符串类型），以datetime作为pandas DataFrame的索引。

需要绘制该时间序列图，要求：

• 叠加各阶段数据，用不同颜色区分不同batch
• 将每个过程变量（temp1、temp2、press1、press2）放在独立坐标轴上
• 趋势图需基于datetime基准线绘制，确保叠加展示效果

数据集示例 #

数据集生成代码 #

import numpy as np
import pandas as pd
import datetime  

date = pd.date_range(start='1/1/2023', end='10/06/2023', freq=datetime.timedelta(seconds=30))
tags = ['temp1','temp2','press1','press2']
data=np.random.rand(len(date),len(tags))
df=pd.DataFrame(data,columns=tags).set_index(date)

batches = ['A','B','C','D','E','F','G']
n=len(batches)
period_start = pd.to_datetime('1/1/2023')
period_end = pd.to_datetime('10/06/2023')
batch_start = (pd.to_timedelta(np.random.rand(n) * ((period_end - period_start).days + 1), unit='D') + period_start)
batch_end = (batch_start + pd.to_timedelta(8,unit='H'))

df_batches = pd.DataFrame(data=[batch_start,batch_end],columns=[batches],index=['start','end']).T

for item in batches:
    start_time = df_batches['start'][item]
    end_time = df_batches['end'][item]
    df.loc[((df.index>=start_time)&(df.index<=end_time)), 'batch'] = item
df.dropna(subset=['batch'],inplace=True)

df['phase']='' 
phases = ['10-Wait','20-Initialise','30-Warm','40-Running']

for batch in batches:
    wait_len = int(len(df[df['batch']==batch].index)*0.2)
    init_len = int(len(df[df['batch']==batch].index)*0.4)
    warm_len = int(len(df[df['batch']==batch].index)*0.6)
    run_len = int(len(df[df['batch']==batch].index))
   
    wait_start = df[df['batch']==batch].index[0]
    wait_end = df[df['batch']==batch].index[wait_len]
    init_end = df[df['batch']==batch].index[init_len]
    warm_end = df[df['batch']==batch].index[warm_len]
    run_end = df[df['batch']==batch].index[-1]  
 
    df['phase'].loc[wait_start:wait_end] = phases[0]
    df['phase'].loc[wait_end:init_end] = phases[1]
    df['phase'].loc[init_end:warm_end] = phases[2]
    df['phase'].loc[warm_end:run_end] = phases[3]

df.to_csv('stackoverflowqn.csv')

使用matplotlib实现多子图布局，每个子图对应一个过程变量，按批次区分颜色叠加绘制时间序列，具体实现如下：

1. 环境准备 #

确保已安装依赖库：

pip install pandas numpy matplotlib

2. 完整绘图代码 #

import pandas as pd
import matplotlib.pyplot as plt
from matplotlib.colors import ListedColormap

# 读取数据集（若使用生成的数据集可直接沿用之前的df）
df = pd.read_csv('stackoverflowqn.csv', index_col='datetime', parse_dates=True)

# 定义变量列表与批次颜色映射
variables = ['temp1', 'temp2', 'press1', 'press2']
batches = df['batch'].unique()
cmap = ListedColormap(plt.cm.tab10.colors[:len(batches)])
batch_color_map = {batch: cmap(i) for i, batch in enumerate(batches)}

# 创建共享x轴的多子图布局
fig, axes = plt.subplots(nrows=len(variables), ncols=1, figsize=(12, 10), sharex=True)

# 遍历变量绘制各批次曲线
for ax, var in zip(axes, variables):
    for batch in batches:
        batch_data = df[df['batch'] == batch]
        ax.plot(batch_data.index, batch_data[var], label=f'批次 {batch}', color=batch_color_map[batch], alpha=0.7)
    
    # 子图样式设置
    ax.set_title(f'{var} 趋势')
    ax.set_ylabel(var)
    ax.grid(True, alpha=0.3)

# 可选：添加生产阶段分隔线
phase_change_points = []
for batch in batches:
    batch_phases = df[df['batch'] == batch]['phase']
    change_indices = batch_phases[batch_phases != batch_phases.shift()].index
    phase_change_points.extend(change_indices)

for ax in axes:
    for point in phase_change_points:
        ax.axvline(x=point, color='gray', linestyle='--', alpha=0.5)

# 图例与x轴设置
axes[-1].legend(bbox_to_anchor=(1.05, 1), loc='upper left')
axes[-1].set_xlabel('时间')

# 调整布局避免标签重叠
plt.tight_layout()
plt.show()

3. 代码说明 #

• 共享x轴：通过sharex=True让所有子图使用同一datetime基准，保证叠加展示的一致性。
• 批次颜色区分：利用ListedColormap为每个批次分配唯一颜色，避免曲线混淆。
• 阶段标记：自动识别各批次的阶段切换点，添加垂直虚线直观划分生产阶段。
• 图例优化：将图例置于图外，避免遮挡曲线内容。

4. 优化建议 #

• 若批次数量过多，可降低alpha参数值（如0.5）提升曲线透明度，减少重叠干扰。
• 可针对phase字段为同批次曲线的不同阶段设置同色系深浅，进一步区分生产阶段。
• 通过ax.set_xlim()可指定x轴时间范围，放大查看特定时间段的细节。

内容的提问来源于stack exchange，提问作者hamslice