按30秒时间间隔分组Pandas DataFrame并可视化的问题

1. 查看分组后的DataFrame内容 #

分组得到的g是GroupBy对象，没法直接打印完整内容，试试这些方法：

• 遍历所有分组：循环GroupBy对象，逐个输出时间区间和对应数据：

for interval, group_data in g:
    print(f"时间区间: {interval}")
    print(group_data)
    print("---")

• 查看单个分组：用get_group()指定时间区间，提取该组数据：

# 先获取所有分组的时间键，再取第一个分组示例
first_interval = list(g.groups.keys())[0]
print(g.get_group(first_interval))

• 整合为层级索引DataFrame：把所有分组合并成一个带层级索引的DataFrame，方便整体查看：

grouped_df = g.apply(lambda x: x.reset_index(drop=True))
print(grouped_df)

2. 绘制每30秒间隔内唯一data的数量 #

先统计每个时间区间的唯一data数，再可视化：

第一步：统计唯一值数量 #

用nunique()直接计算每个分组的唯一data条目数：

unique_counts = g['data'].nunique()
# 先看下统计结果
print(unique_counts)

输出是一个Series，索引是时间区间，值为对应区间的唯一data数量。

第二步：可视化展示 #

用Pandas结合Matplotlib绘制柱状图，清晰展示分布：

import matplotlib.pyplot as plt

# 绘制柱状图
unique_counts.plot(kind='bar', figsize=(10, 6))
plt.title('每30秒间隔内唯一data数量')
plt.xlabel('时间区间')
plt.ylabel('唯一data数量')
plt.xticks(rotation=45)
plt.tight_layout()  # 避免x轴标签被截断
plt.show()

如果想要更美观的样式，也可以用Seaborn：

import seaborn as sns
import matplotlib.pyplot as plt

# 转换为DataFrame格式适配Seaborn
count_df = unique_counts.reset_index(name='unique_count')

sns.barplot(data=count_df, x='timestamp', y='unique_count')
plt.title('每30秒间隔内唯一data数量')
plt.xlabel('时间区间')
plt.ylabel('唯一data数量')
plt.xticks(rotation=45)
plt.tight_layout()
plt.show()

内容的提问来源于stack exchange，提问作者james