如何在Seaborn中将datetime.time作为连续变量绘制散点图？

方案1：转换为分钟数（纯连续数值） #

先把时间字符串转成datetime格式，再计算从0点开始的总分钟数作为连续变量，同时自定义X轴刻度显示为时间格式：

import pandas as pd
import seaborn as sns
import matplotlib.pyplot as plt

data = { 'Time' : ['12:27:00', '12:27:00', '12:12:00', '11:55:00', '12:00:00', '12:11:00', '15:28:00','15:20:00','15:40:00','12:10:00'],
'Behaviour' : [2,1,1,0,2,0,0,1,1,2]
}
df= pd.DataFrame(data)

# 转datetime格式（添加虚拟日期不影响时间计算）
df['Time_dt'] = pd.to_datetime(df['Time'], format='%H:%M:%S')
# 计算总分钟数作为连续变量
df['Time_mins'] = df['Time_dt'].dt.hour * 60 + df['Time_dt'].dt.minute

# 用连续数值绘图
sns.scatterplot(x='Time_mins', y='Behaviour', data=df)
ax = plt.gca()

# 自定义X轴刻度：提取唯一时间点，对应到分钟数位置，显示为时间格式
unique_times = sorted(df['Time_dt'].dt.time.unique())
tick_pos = [t.hour*60 + t.minute for t in unique_times]
ax.set_xticks(tick_pos)
ax.set_xticklabels([t.strftime('%H:%M') for t in unique_times], rotation=45)

ax.set_xlabel('Time')
plt.tight_layout()
plt.show()

方案2：直接用datetime类型绘图 #

利用matplotlib的日期格式化工具，让datetime类型被识别为连续轴，同时优化刻度显示：

import pandas as pd
import seaborn as sns
import matplotlib.pyplot as plt
from matplotlib.dates import DateFormatter

data = { 'Time' : ['12:27:00', '12:27:00', '12:12:00', '11:55:00', '12:00:00', '12:11:00', '15:28:00','15:20:00','15:40:00','12:10:00'],
'Behaviour' : [2,1,1,0,2,0,0,1,1,2]
}
df= pd.DataFrame(data)

# 转datetime格式
df['Time_dt'] = pd.to_datetime(df['Time'], format='%H:%M:%S')

# 直接用datetime列绘图
sns.scatterplot(x='Time_dt', y='Behaviour', data=df)
ax = plt.gca()

# 设置时间刻度格式，旋转标签避免拥挤
ax.xaxis.set_major_formatter(DateFormatter('%H:%M'))
plt.xticks(rotation=45)
plt.tight_layout()
plt.show()

说明 #

• 方案1完全将时间转为连续数值（分钟数），符合你对连续变量的需求，刻度显示可灵活调整；
• 方案2借助datetime类型的连续性，通过格式化工具解决刻度拥挤问题，代码更简洁。

内容的提问来源于stack exchange，提问作者StejnegersScoter