基于两列均值绘图及Pandas时间差处理技术咨询

一、数据预处理与Time_Diff优化 #

• 先将IA和TOC列转为datetime类型，计算出Time_Diff（timedelta类型）
• 把Time_Diff转为总分钟数（方便后续求平均计算），后续再格式化回HH:MM格式去掉"0 days"

import pandas as pd
import matplotlib.pyplot as plt

# 读取数据集（替换为你的本地文件路径）
df = pd.read_csv("fire_ambulance_data.csv")

# 转换时间列
df['IA'] = pd.to_datetime(df['IA'], format='%d/%m/%Y %H:%M:%S')
df['TOC'] = pd.to_datetime(df['TOC'], format='%d/%m/%Y %H:%M:%S')

# 计算时间差
df['Time_Diff'] = df['TOC'] - df['IA']

# 将timedelta转为总分钟数（用于平均值计算）
df['Time_Diff_Mins'] = df['Time_Diff'].dt.total_seconds() / 60

二、按Station分组计算平均响应时间 #

按Station分组对分钟数求平均，再将结果格式化为HH:MM的干净格式：

# 分组计算平均响应分钟数
station_avg = df.groupby('Station')['Time_Diff_Mins'].mean().reset_index()

# 将平均分钟数转为HH:MM格式
def mins_to_hhmm(mins):
    hours = int(mins // 60)
    minutes = int(mins % 60)
    return f"{hours:02d}:{minutes:02d}"

station_avg['Avg_Time'] = station_avg['Time_Diff_Mins'].apply(mins_to_hhmm)

# 输出最终结果
print(station_avg[['Station', 'Avg_Time']])

三、绘制平均响应时间图表 #

用柱状图展示各站点的平均响应时间，避免之前只显示计数的问题：

# 设置图表尺寸
plt.figure(figsize=(12, 8))
bars = plt.bar(station_avg['Station'], station_avg['Time_Diff_Mins'])

# 在每个柱子上方标注HH:MM格式的时间
for bar, time in zip(bars, station_avg['Avg_Time']):
    height = bar.get_height()
    plt.text(bar.get_x() + bar.get_width()/2., height,
             time, ha='center', va='bottom')

plt.title('各消防站平均响应时间')
plt.xlabel('消防站')
plt.ylabel('平均响应时间（分钟）')
plt.xticks(rotation=45)
plt.tight_layout()
plt.show()

关键说明 #

• 转成分钟数计算的原因：timedelta类型直接求平均会自带"0 days"，转为数值计算更灵活，再格式化就能得到干净的时间展示
• 绘图用数值作为y轴、标注显示格式化时间，既保证图表数据准确，又满足你要的展示效果

内容的提问来源于stack exchange，提问作者mattyb