pandas合并DataFrame与datetime序列报错 如何对齐子图共享时间轴
解决方案
先理清楚之前的报错根因
- 报错的核心是类型不匹配:你生成的标准时间轴是
timedelta64类型,但原DataFrame的timeonly列是字符串格式的object类型,两者无法直接merge - 之前转
timeonly用pd.Timestamp无效,是因为该列只有时分秒没有日期,转成Timestamp会自动补默认日期,和timedelta类型完全不兼容
分步实现
1. 统一timeonly列的类型
先把原DataFrame的字符串型timeonly转成和标准轴一致的timedelta64类型,这是所有操作的前提:
# 把"09:38:30"这类字符串转成timedelta格式 dframe['timeonly'] = pd.to_timedelta(dframe['timeonly'])
2. 提前生成一次统一的标准时间轴
不用在循环里反复生成,提前定义一次即可:
# 9:00到15:00的标准轴,频率可按需调整:比如要更稀疏的刻度可以改freq='T'(每分钟) std_time_axis = pd.timedelta_range(start='9:00:00', end='15:00:00', freq='S')
3. 循环内对齐数据、绘图
不用麻烦merge或者concat,直接用reindex把当日数据对齐到标准轴即可,匹配不上的位置自动填充NaN:
from more_itertools import unique_everseen import matplotlib.pyplot as plt n_dates = list(unique_everseen(dframe['timestamp'].dt.date)) fig, axes = plt.subplots(len(n_dates) // 2, 2, sharey='all', constrained_layout=True) for ax, date in zip(axes.ravel(), n_dates): ts = pd.Timestamp(date, tz='UTC').date() df_date = dframe[dframe['timestamp'].dt.date == ts].copy() # 把当日timeonly设为索引,对齐到标准时间轴,自动补NaN df_date_ext = df_date.set_index('timeonly').reindex(std_time_axis) # 绘图,此时x轴已经对齐到9:00-15:00范围 ax.plot( df_date_ext.index, df_date_ext['average'], linestyle='-', marker='o', label=str(ts) ) # 双保险强制x轴范围,避免绘图时自动缩放 ax.set_xlim(pd.Timedelta('9H'), pd.Timedelta('15H')) # 把x轴刻度格式化为HH:MM:SS的时刻格式,避免显示timedelta原始数值 ax.xaxis.set_major_formatter(lambda x, pos: str(pd.Timedelta(x)).split(' ')[-1]) ax.legend()
如果你坚持用pd.concat实现对齐
只要保证两边索引类型一致(都是timedelta64的timeonly),外连接concat即可自动对齐、缺失值补NaN:
# 空的标准轴DataFrame std_time_df = pd.DataFrame(index=std_time_axis) # 当日数据设置同类型索引 df_date_idx = df_date.set_index('timeonly') # 外连接concat,自动按索引对齐,缺失值补NaN df_date_ext = pd.concat([df_date_idx, std_time_df], join='outer').sort_index()
额外说明
- 不需要真的把所有秒级的缺失点都补到DataFrame里,只要索引对齐后绘图就会自动适配统一轴范围
- 如果你觉得秒级频率的标准轴太占内存,完全可以把
std_time_axis的freq改成'T'(每分钟)或者'5min',不影响对齐效果
内容的提问来源于stack exchange,提问作者Robyc
相关产品推荐
相关产品推荐

