如何用Matplotlib构建请求量与时间戳(HH:MM)统计图？

没问题，我来帮你搞定这个请求量时间趋势图的绘制！针对你提到的需求——展示早6点到晚6点的请求模式，我们可以分步骤实现，确保图表清晰直观：

第一步：数据预处理 #

首先，原始的时间戳是HH:MM格式的字符串，Matplotlib没法直接按时间顺序处理，所以得先把它们转换成datetime对象。另外如果你的500条数据里有超出6:00-18:00范围的记录，也可以提前筛选掉，避免干扰图表展示。

第二步：绘图与美化 #

接下来就可以用Matplotlib绘图了，推荐用折线图来展示趋势（如果想突出每个时间点的具体数值，也可以用柱状图）。重点要调整X轴的刻度格式，避免时间标签拥挤重叠，同时设置合理的刻度间隔，比如每小时显示一个刻度。

完整代码示例 #

这里给你两种场景的代码：

场景1：已有每个时间点的请求数（如你提供的示例数据） #

import matplotlib.pyplot as plt
from datetime import datetime
from matplotlib.dates import HourLocator

# 替换成你的实际500条数据
time_stamp = ['06:02', '06:03', '06:12', '06:16', '06:17', '06:27', '06:28', '06:30', '06:31', '06:34', '06:35', '06:36', '06:37', '06:38', '06:39', '06:40', '06:41', '06:42', '06:43']
requests = [74, 20, 2, 1, 11, 9, 34, 15, 8, 5, 12, 18, 22, 19, 14, 10, 7, 5, 3]

# 转换时间格式并筛选时间范围
time_objects = [datetime.strptime(ts, '%H:%M') for ts in time_stamp]
start_time = datetime.strptime('06:00', '%H:%M')
end_time = datetime.strptime('18:00', '%H:%M')

filtered_times = []
filtered_requests = []
for t, req in zip(time_objects, requests):
    if start_time <= t <= end_time:
        filtered_times.append(t)
        filtered_requests.append(req)

# 创建图表
plt.figure(figsize=(12, 6))
plt.plot(filtered_times, filtered_requests, marker='o', linestyle='-', color='#1f77b4', label='请求数量')

# 设置X轴格式
plt.gcf().autofmt_xdate()  # 自动旋转X轴标签避免重叠
date_formatter = plt.matplotlib.dates.DateFormatter('%H:%M')
plt.gca().xaxis.set_major_formatter(date_formatter)
plt.gca().xaxis.set_major_locator(HourLocator(interval=1))  # 每小时显示一个刻度

# 添加标题和标签
plt.title('6:00-18:00 请求数量时间趋势图', fontsize=14, pad=15)
plt.xlabel('时间 (HH:MM)', fontsize=12)
plt.ylabel('请求数量', fontsize=12)
plt.grid(True, linestyle='--', alpha=0.7)
plt.legend()

plt.tight_layout()
plt.show()

场景2：原始数据是每条请求对应一个时间戳（需先统计数量） #

如果你的500条数据是单条请求的时间记录，那需要先按分钟分组统计请求数，推荐用Pandas来简化操作：

import matplotlib.pyplot as plt
import pandas as pd
from matplotlib.dates import HourLocator

# 示例：500条请求的时间戳列表
time_stamp = ['06:02', '06:02', '06:03', ...]  # 替换成你的实际数据

# 转换为DataFrame并统计
df = pd.DataFrame({'time': time_stamp})
df['time'] = pd.to_datetime(df['time'], format='%H:%M')

# 筛选6:00-18:00的数据
df = df[(df['time'] >= '06:00') & (df['time'] <= '18:00')]

# 按分钟分组统计请求数
grouped_df = df.groupby(df['time'].dt.strftime('%H:%M')).size().reset_index(name='requests')
# 把时间转回datetime对象用于绘图
grouped_df['time'] = pd.to_datetime(grouped_df['time'], format='%H:%M')

# 绘图
plt.figure(figsize=(12, 6))
plt.plot(grouped_df['time'], grouped_df['requests'], marker='o', linestyle='-', color='#ff7f0e', label='请求数量')

# 设置X轴格式
plt.gcf().autofmt_xdate()
date_formatter = plt.matplotlib.dates.DateFormatter('%H:%M')
plt.gca().xaxis.set_major_formatter(date_formatter)
plt.gca().xaxis.set_major_locator(HourLocator(interval=1))

plt.title('6:00-18:00 请求数量时间趋势图', fontsize=14, pad=15)
plt.xlabel('时间 (HH:MM)', fontsize=12)
plt.ylabel('请求数量', fontsize=12)
plt.grid(True, linestyle='--', alpha=0.7)
plt.legend()

plt.tight_layout()
plt.show()

额外提示 #

• 如果X轴标签还是拥挤，可以调整figsize的宽度，或者设置plt.xticks(rotation=45)来进一步旋转标签。
• 可以根据需求把折线图换成柱状图（把plt.plot改成plt.bar），更适合对比每个时间点的请求量差异。

内容的提问来源于stack exchange，提问作者saurav