求助：Pandas处理object类型时间列绘制直方图pd.cut报错

错误原因 #

pd.cut()仅支持对数值型数据进行分桶操作，你的time列是object类型的字符串（格式为hh:mm），无法直接用于分桶，因此抛出类型错误。

解决步骤 #

1. 将字符串时间转换为数值型数据 #

把hh:mm格式的时间转换为总分钟数（或总秒数），转换成数值后就能正常使用pd.cut()分桶：

# 把hh:mm转成总分钟数（00:00对应0，23:59对应1439）
data['total_minutes'] = data['time'].apply(lambda x: int(x.split(':')[0])*60 + int(x.split(':')[1]))

如果需要更灵活的时间操作，也可以转成timedelta类型再提取数值：

# 转成timedelta格式，再提取总秒数
data['time_delta'] = pd.to_timedelta(data['time'])
data['total_seconds'] = data['time_delta'].dt.total_seconds()

2. 对数值型时间分桶 #

用转换后的数值列执行分桶操作，支持两种分桶方式：

• 自动均分桶（比如分10个桶）：

data['bucket'] = pd.cut(data['total_minutes'], bins=10)

• 自定义时间间隔（比如每10分钟一个桶）：

# 自定义从0到1440分钟（24小时），每10分钟一个区间
custom_bins = range(0, 1441, 10)
data['bucket'] = pd.cut(data['total_minutes'], bins=custom_bins)

3. 分组求和并绘图 #

修改后的完整可运行代码：

import pandas as pd
import matplotlib.pyplot as plt

# 读取文件
data = pd.read_csv(r'database.csv', low_memory=False)

# 转换时间为总分钟数
data['total_minutes'] = data['time'].apply(lambda x: int(x.split(':')[0])*60 + int(x.split(':')[1]))

# 自定义10分钟间隔分桶（可替换为bins=10实现自动均分）
custom_bins = range(0, 1441, 10)
data['bucket'] = pd.cut(data['total_minutes'], bins=custom_bins)

# 按桶分组求和
newdata = data[['bucket', 'movements']].groupby('bucket').sum()

# 绘制直方图
newdata.plot(kind='bar', figsize=(12,6))
plt.xlabel('时间间隔（分钟）')
plt.ylabel('总运动次数')
plt.title('昆虫不同时间间隔的运动次数统计')
plt.xticks(rotation=45)
plt.tight_layout()
plt.show()

额外说明 #

• 如果原始数据的time是按分钟逐行递增的，也可以直接用行索引分桶，但转换为数值型时间的方式更直观易懂。
• 若需要按秒统计，只需调整时间转换逻辑：int(x.split(':')[0])*3600 + int(x.split(':')[1])*60（若数据包含秒数，再追加对应计算部分即可）。

内容的提问来源于stack exchange，提问作者Hdez