如何用Pandas和Altair实现时间块的正确排序与可视化？

当处理包含80多个15分钟间隔的时间块数据时，手动创建排序映射字典效率极低，可通过以下两种自动化方案解决Altair图表X轴排序混乱的问题：

方案一：Pandas自动生成排序列 #

通过解析时间块的起始时间，计算其相对于0点的分钟数作为排序依据，无需手动维护映射字典。对于跨午夜的时间块（如11:30 pm - 01:00 am），可通过调整排序值确保其排在当天所有时间段之后。

import pandas as pd
import altair as alt

# 示例数据（替换为你的实际数据）
aggdf = pd.DataFrame({
    'Time': ['05:00 am - 09:00 am', '09:00 am - 12:00 pm', '12:00 pm - 03:00 pm',
             '03:00 pm - 05:00 pm', '05:00 pm - 07:00 pm', '07:00 pm - 11:00 pm',
             '11:00 pm - 11:30 pm', '11:30 pm - 01:00 am'],
    'RTG': [2.3, 3.1, 2.7, 4.0, 3.5, 2.9, 1.8, 1.2],
    'Station': ['A']*8
})

# 提取起始时间并转换为当日分钟数
def get_start_minutes(time_block):
    start_time_str = time_block.split(' - ')[0].strip()
    start_time = pd.to_datetime(start_time_str, format='%I:%M %p').time()
    return start_time.hour * 60 + start_time.minute

aggdf['Order'] = aggdf['Time'].apply(get_start_minutes)

# 标记跨午夜的时间块，调整排序值确保其排在当日末尾
def is_cross_midnight(time_block):
    start_str, end_str = time_block.split(' - ')
    start_time = pd.to_datetime(start_str.strip(), format='%I:%M %p').time()
    end_time = pd.to_datetime(end_str.strip(), format='%I:%M %p').time()
    return end_time < start_time

aggdf.loc[aggdf['Time'].apply(is_cross_midnight), 'Order'] += 1440  # 1440为一天的分钟数

# Altair可视化指定排序
chart = alt.Chart(aggdf).mark_line(point=True).encode(
    x=alt.X('Time', sort=alt.Sort(field='Order', order='ascending')),
    y='RTG',
    color='Station'
)
chart.show()

方案二：直接在Altair中解析排序（无需额外列） #

利用Altair的表达式功能，直接在编码时解析时间块的起始时间，以此作为排序依据，省去Pandas生成排序列的步骤：

import pandas as pd
import altair as alt

# 示例数据（替换为你的实际数据）
aggdf = pd.DataFrame({
    'Time': ['05:00 am - 09:00 am', '09:00 am - 12:00 pm', '12:00 pm - 03:00 pm',
             '03:00 pm - 05:00 pm', '05:00 pm - 07:00 pm', '07:00 pm - 11:00 pm',
             '11:00 pm - 11:30 pm', '11:30 pm - 01:00 am'],
    'RTG': [2.3, 3.1, 2.7, 4.0, 3.5, 2.9, 1.8, 1.2],
    'Station': ['A']*8
})

# 直接在Altair中通过表达式解析起始时间排序
chart = alt.Chart(aggdf).mark_line(point=True).encode(
    x=alt.X('Time', sort=alt.EncodingSortField(
        field='Time',
        op=alt.FieldOp(
            expr="""
            let start = split(datum.Time, ' - ')[0];
            parseDate(start, '%I:%M %p')
            """
        ),
        order='ascending'
    )),
    y='RTG',
    color='Station'
)
chart.show()

两种方案均能自动处理所有时间块的排序，无需手动创建映射字典，大幅提升效率。对于跨午夜的时间块，方案一通过调整分钟数确保排序正确，方案二则依赖时间解析后的自然顺序（当日23:30的时间值大于次日01:00，因此会排在末尾）。

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