You need to enable JavaScript to run this app. Python Plotly Express直方图5分钟粒度TIME_BUCKET被自动聚合为小时值
优惠活动
大模型
产品
解决方案
定价
更多

Python Plotly Express直方图5分钟粒度TIME_BUCKET被自动聚合为小时值

问题核心原因
  • 当前图表被自动聚合为小时粒度,核心是两个配置上的问题:
    1. 读取CSV时未指定TIME_BUCKET的时间类型,字段默认以字符串格式存入DataFrame,Plotly识别到连续可排序的字符串值后,会触发自动分箱逻辑,默认匹配小时作为分箱粒度。
    2. px.histogram默认开启自适应分箱规则,会根据x轴的数值跨度自动选择分箱大小,不会主动适配你已有的5分钟固定分桶规则。
可直接落地的修正方案
  • 读取数据时强制将TIME_BUCKET解析为标准时间格式,消除类型识别偏差。
  • 手动关闭Plotly的自动分箱逻辑,强制指定5分钟的分箱步长。
  • 调整x轴刻度间隔配置,避免自动缩放为小时级别的展示粒度。

方案1:基于直方图的适配修正

适用于需要保持直方图计数逻辑的场景,修正后的可运行代码如下:

import pandas as pd
import plotly.express as px

# 读取CSV时直接解析时间字段
df = pd.read_csv(
    "D:/Work/Issue/5MinTimeBucketHistogramNotWorking1.csv",
    parse_dates=["TIME_BUCKET"]
)

# 计算时间范围对应的5分钟分箱总数,覆盖自动分箱规则
time_range = df['TIME_BUCKET'].max() - df['TIME_BUCKET'].min()
total_5min_bins = int(time_range.total_seconds() / 60 / 5)

graph = px.histogram(
    df,
    x='TIME_BUCKET',
    color='REPORT_NAME',
    title='Report Category Wise Execution Count (5 minutes sample size)',
    nbinsx=total_5min_bins
)

# 强制x轴刻度间隔为5分钟(单位为毫秒,5分钟=300000毫秒)
graph.update_xaxes(dtick=300000)
graph.show()

方案2:提前分组聚合的柱状图方案(结果100%可控)

由于你手头的TIME_BUCKET本身就是已经按5分钟粒度拆分好的固定时间标签,不需要依赖直方图的自动分箱计数逻辑,提前完成分组统计后用柱状图展示,完全不会触发自动粒度调整:

import pandas as pd
import plotly.express as px

df = pd.read_csv(
    "D:/Work/Issue/5MinTimeBucketHistogramNotWorking1.csv",
    parse_dates=["TIME_BUCKET"]
)

# 按时间桶、报表名分组,统计每组的记录数
agg_result = df.groupby(
    ["TIME_BUCKET", "REPORT_NAME"],
    as_index=False
).size().rename(columns={"size": "record_count"})

graph = px.bar(
    agg_result,
    x="TIME_BUCKET",
    y="record_count",
    color="REPORT_NAME",
    title='Report Category Wise Execution Count (5 minutes sample size)'
)

# 保持x轴5分钟的刻度间隔
graph.update_xaxes(dtick=300000)
graph.show()
配置注意事项
  • 不要省略parse_dates参数:如果时间字段不被解析为datetime类型,后续的步长配置会失效。
  • dtick的单位是毫秒:如果需要调整为其他粒度,直接按毫秒数换算即可,比如10分钟对应600000毫秒。
  • 提前聚合的方案没有自动分箱的误差风险,更适合已经提前完成时间分桶的业务数据场景。

内容的提问来源于stack exchange,提问作者Swap

相关产品推荐
方舟 Agent Plan

超全模态模型 × Harness 升级,最新支持 Deepseek-V4.1-Flash、GLM-5.3 系列、Doubao-Seedream-5.0-pro、Kimi-K3 (部分), 限时 9.9 元起

最近更新时间:2026.11.06 10:15:03