seaborn时间分组计数热力图 如何调整聚合时间粒度并将时间置于X轴

现存问题 #

原有实现按小时+分钟的最细粒度拆分统计，时间粒度过细导致单个时间块的计数值偏低，生成的热力图不具备实际参考价值。

调整目标 #

• 支持自定义时间块聚合粒度，可灵活切换测试5分钟、10分钟等不同聚合时长的效果
• 调整时间维度排布在X轴，最终效果匹配参考示意图

原有代码的问题修正 #

• 修复时间格式化字符串笔误（原代码%H:%M%:%S存在多余的冒号）
• 补充缺失的依赖导入（原代码调用np但未导入numpy库）
• 替换硬拆小时、分钟字段的分组逻辑，改为可配置的时间分桶聚合

核心实现逻辑 #

• 采用pd.Grouper基于时间列按设定时长自动分桶，仅需修改参数即可切换聚合粒度，无需手动调整分桶规则
• 对聚合结果矩阵做转置处理，将时间维度设为DataFrame的列索引，最终在热力图上排布到X轴，匹配参考图布局

可直接运行的完整代码 #

import numpy as np
import seaborn as sns
import pandas as pd
import matplotlib.pyplot as plt
from datetime import datetime, timedelta

# 核心可配置参数：修改此值即可切换5/10/15分钟等不同聚合粒度
time_bucket_minutes = 5

start = datetime(1900,1,1,10,0,0)
end = datetime(1900,1,1,13,0,0)
seconds = (end - start).total_seconds()
step = timedelta(minutes=1)

array = []
for i in range(0, int(seconds), int(step.total_seconds())):
    array.append(start + timedelta(seconds=i))
# 修正原代码的时间格式化笔误
array = [i.strftime('%Y-%m-%d %H:%M:%S') for i in array]

df2 = pd.DataFrame(array).rename(columns={0:'Time'})
df2['Count'] = np.random.uniform(0.0, 0.5, size=len(df2))
df2['Count'] = df2['Count'].round(1)
df2['Time'] = pd.to_datetime(df2['Time'])

# 按自定义时间粒度分桶统计不同Count值的出现频次
agg_df = df2.groupby(
    [pd.Grouper(key='Time', freq=f'{time_bucket_minutes}min'), 'Count']
).size().unstack(fill_value=0)

# 转置矩阵，将时间维度调整到X轴
agg_df = agg_df.T
# 格式化X轴的时间标签为易读的HH:MM格式
agg_df.columns = agg_df.columns.strftime('%H:%M')

# 绘制热力图
sns.heatmap(agg_df)
plt.xlabel('聚合时间块')
plt.ylabel('统计变量取值')
plt.tight_layout()
plt.show()

使用说明 #

• 若需要测试10分钟聚合效果，只需将time_bucket_minutes的值修改为10即可，其余代码无需变动
• 可通过调整热力图色阶、坐标轴标签样式，进一步匹配参考图的视觉效果

内容的提问来源于stack exchange，提问作者Chopin